不同参数根据ROC曲线预测二尖瓣狭窄的整体性能
该数据集包含用于预测二尖瓣狭窄的多种生物标志物和临床参数的ROC曲线分析结果,数据模态涉及临床表格和统计指标,主要用于评估不同参数在心血管疾病诊断中的效能,支持生物标志物比较和机器学习模型在医学预测中的应用研究。

基本信息
资源简介
不同参数根据ROC曲线预测二尖瓣狭窄的整体性能
【数据集背景】
本数据集源站标题为《Overall Performance of Different Parameters According to ROC Curves for Prediction of Mitral Stenosis.》。源站首次发布:2014-03-06。
【数据内容】
源站原始描述:pAUC, area under curve; CI, confidence interval; LR, likelihood ratio; MMP-1, matrix metalloproteinase -1; NPV, negative predictive value; PICP, carboxy terminal propeptide of type I collagen; PIIINP, amino terminal propeptide of type III collagen; PPV, positive predictive value; TIMP-1, tissue inhibitor of matrix metalloproteinase-1
【数据结构与技术规格】
文件数 1 个,合计 5.63 KB。Table_4.xls:application/vnd.ms-excel,5.63 KB。数据集 DOI:10.1371/journal.pone.0090527.t004。
【主题与分类】
源站学科分类:Biological Sciences、Medicine。主题标签:Biochemistry、proteins、Extracellular matrix proteins、Plasma proteins、Structural proteins、cardiovascular、Valvular disease、Clinical genetics、Clinical research design、Cross-sectional studies。
【适用方向】
源站学科分类标注为 Biological Sciences、Medicine。
【获取与许可】
源站页面:https://plos.figshare.com/articles/dataset/_Overall_Performance_of_Different_Parameters_According_to_ROC_Curves_for_Prediction_of_Mitral_Stenosis_/953278
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Banerjee, Tanima; Mukherjee, Somaditya; Ghosh, Sudip; Biswas, Monodeep; Dutta, Santanu; Pattari, Sanjib; et al. (2015). Overall Performance of Different Parameters According to ROC Curves for Prediction of Mitral Stenosis.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-01,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取(Figshare)
按页面 Download 按钮获取。
数据说明
该数据集是一个医学研究数据集,专注于评估多种生物标志物和参数在预测二尖瓣狭窄(Mitral Stenosis)方面的诊断性能。数据集包含基于ROC曲线分析的各种指标,如曲线下面积(AUC)、置信区间(CI)、似然比(LR)、阳性/阴性预测值(PPV/NPV),以及特定生物标志物(如MMP-1、TIMP-1、PICP、PIIINP)的测量数据。数据来源于临床研究,通过统计方法构建,主要用于心血管疾病诊断、生物标志物效能比较和机器学习模型开发等研究方向。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




