单变量与多变量二元逻辑回归分析用于显著三尖瓣反流的存在
该数据集包含用于单变量与多变量二元逻辑回归分析的临床表格数据,涉及患者特征与三尖瓣反流显著性的关联指标,主要应用于心血管疾病诊断和临床预测模型研究,通过逻辑回归方法识别三尖瓣反流的风险因素以辅助医疗决策。

基本信息
资源简介
单变量与多变量二元逻辑回归分析用于显著三尖瓣反流的存在
【数据集背景】
本数据集源站标题为《Uni- and multivariable binary logistic regression analysis for the presence of significant tricuspid regurgitation.》。配套论文《Presence of ´isolated´ tricuspid regurgitation should prompt the suspicion of heart failure with preserved ejection fraction》发表于 PLOS ONE(2017),DOI:10.1371/journal.pone.0171542。源站首次发布:2017-02-15。
【数据内容】
源站原始描述:Uni- and multivariable binary logistic regression analysis for the presence of significant tricuspid regurgitation
【数据结构与技术规格】
文件数 1 个,合计 9.73 KB。Table 7.xls:application/vnd.ms-excel,9.73 KB。数据集 DOI:10.1371/journal.pone.0171542.t007。
【主题与分类】
源站学科分类:Medicine、Cell Biology、Molecular Biology、Biotechnology、Developmental Biology、Cancer。主题标签:PAC、ejection fraction Background Diastolic dysfunction、heart failure、Significant hemodynamic differences、TR、results Consecutive HFpEF patients、event-free survival。
【适用方向】
源站学科分类标注为 Medicine、Cell Biology、Molecular Biology、Biotechnology、Developmental Biology、Cancer。
【获取与许可】
源站页面:https://plos.figshare.com/articles/dataset/Uni-_and_multivariable_binary_logistic_regression_analysis_for_the_presence_of_significant_tricuspid_regurgitation_/4656211
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Mascherbauer, Julia; A. Kammerlander, Andreas; Zotter-Tufaro, Caroline; Aschauer, Stefan; Duca, Franz; Dalos, Daniel; et al. (2017). Uni- and multivariable binary logistic regression analysis for the presence of significant tricuspid regurgitation.. 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
该数据集是一个用于三尖瓣反流诊断的临床预测模型研究数据集,包含单变量与多变量二元逻辑回归分析所需的数据。数据内容涉及患者临床特征、检查指标与三尖瓣反流显著性的关联分析,来源于公开的医学研究,旨在通过逻辑回归模型识别与三尖瓣反流相关的风险因素,支持心血管疾病诊断和预测模型开发。
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。




