药物诱导性皮肤溃疡：基于FDA不良事件报告系统的真实世界药物警戒分析数据
数据提取自FDA不良事件报告系统（FAERS）2005至2024年间21372例皮肤溃疡（SU）相关报告，包含与SU相关的前50种药物列表、说明书明确提及SU的15种药物、报告比值比模型识别的32种阳性信号药物，以及logistic回归分析用药时长等影响因素的结果
基本信息
资源简介
药物诱导性皮肤溃疡：基于FDA不良事件报告系统的真实世界药物警戒分析数据
Drug-induced skin ulcer: real-world pharmacovigilance analysis based on the FDA adverse event reporting system
该数据集来自tandf.figshare.com，配套论文发表于Expert Opinion on Drug Safety（2025年）。数据提取自FDA不良事件报告系统（FAERS）2005至2024年间21372例皮肤溃疡（SU）相关报告，包含与SU相关的前50种药物列表、说明书明确提及SU的15种药物、报告比值比模型识别的32种阳性信号药物，以及logistic回归分析用药时长等影响因素的结果。数据可用于药物诱导性皮肤溃疡的风险信号识别与影响因素分析（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Drug-induced skin ulcer: real-world pharmacovigilance analysis based on the FDA adverse event reporting system》发表于 Expert Opinion on Drug Safety（2025），DOI：10.1080/14740338.2025.2468854。项目资助方：The laboratory of the authors benefits from ongoing support from National Natural Science Foundation of China (82074448).。源站首次发布：2025-02-18。
【数据内容】
源站描述（机器翻译，仅供参考）：皮肤溃疡（SU）可能增加全身性感染风险，并已演变为重要的公共卫生问题。然而，目前缺乏专门针对药物诱导性SU的研究。我们从FDA不良事件报告系统（FAERS）数据库中提取了与SU相关的药物不良事件（ADE）数据。采用比例失衡分析计算可能诱导SU的药物的风险信号。开展logistic回归分析以探究影响SU发生的因素。2005年至2024年间，FAERS数据库共报告21372例SU病例。基于ADE报告频率，我们编制了与SU相关的前50种药物列表。仅15种药物在其说明书中明确提及SU，而32种药物被报告比值比模型认定为SU的阳性信号。Logistic回归揭示用药时长
【数据结构与技术规格】
文件数 1 个，合计 50.44 KB。数据集 DOI：10.6084/m9.figshare.28436108.v1。
【主题与分类】
源站学科分类：Medicine、Pharmacology、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Cancer。主题标签：Pharmacovigilance、skin ulcer、adverse drug event、disproportionality analysis、logistic regression analysis。本站分类：化学诱发性障碍/其他。
【适用方向】
源站学科分类标注为 Medicine、Pharmacology、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Cancer。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Drug-induced_skin_ulcer_real-world_pharmacovigilance_analysis_based_on_the_FDA_adverse_event_reporting_system/28436108
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Drug-induced skin ulcer: real-world pharmacovigilance analysis based on the FDA adverse event reporting system. Taylor & Francis. Jin, Qiubai; Fang, Jiufei; Ren, Feihong; Li, Jiaqi; Zhou, Shuanglin; Song, Ping
【使用注意】
· 源站最后修改于 2026-05-04，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）
- 源站标题：Drug-induced skin ulcer: real-world pharmacovigilance analysis based on the FDA adverse event reporting system
- DOI：10.6084/m9.figshare.28436108.v1
- 发布日期：2025-02-18
- 文件数：1 个
- 文件总体积：50.44 KB
- 源站页面：https://tandf.figshare.com/articles/dataset/Drug-induced_skin_ulcer_real-world_pharmacovigilance_analysis_based_on_the_FDA_adverse_event_reporting_system/28436108
命令行下载
curl -L -o "ieds_a_2468854_sm6859.xlsx" "https://ndownloader.figshare.com/files/52437029"
文件清单
ieds_a_2468854_sm6859.xlsx（50.44 KB）
文件总体积 50.44 KB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
皮肤溃疡（SU）可能增加全身性感染的风险，已成为重要的公共卫生问题。然而，目前缺乏专门针对药物诱导性SU的研究。我们从FDA不良事件报告系统（FAERS）数据库中提取了与SU相关的药物不良事件（ADE）数据。通过不成比例分析计算可能诱导SU药物的风险信号，并采用逻辑回归分析探讨影响SU发生的因素。2005年至2024年间，FAERS数据库共报告21372例SU病例。根据ADE报告频率，我们编制了与SU相关的前50种药物清单。其中仅15种药物在说明书中明确提及SU，而32种药物经报告比值比模型识别为SU的阳性信号。逻辑回归显示，用药时长是托珠单抗、阿仑膦酸钠和厄洛替尼使用的风险因素，女性亦被确定为厄洛替尼的风险因素。
我们的研究确定了32种可能诱发SU的药物，这为旨在降低药物诱发SU风险的针对性预防和治疗策略提供了宝贵的见解。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.28436108.v1（source: https://tandf.figshare.com/articles/dataset/Drug-induced_skin_ulcer_real-world_pharmacovigilance_analysis_based_on_the_FDA_adverse_event_reporting_system/28436108）。
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。
