肝硬化患者生存预测数据集
该数据集是一个临床表格数据集，包含肝硬化患者的17个临床特征，用于预测患者的生存风险，主要应用于医学预测模型和肝硬化预后研究，支持机器学习算法在临床决策中的开发与评估。
基本信息
资源简介
肝硬化患者生存预测数据集
【数据集背景】
本数据集源站标题为《Cirrhosis Patient Survival Prediction》。源站首次发布：2023-10-17。
【数据内容】
源站原始描述：Utilize 17 clinical features for predicting survival state of patients with liver cirrhosis. The survival states include 0 = D (death), 1 = C (censored), 2 = CL (censored due to liver transplantation). **For what purpose was the dataset created?** Cirrhosis results from prolonged liver damage, leading to extensive scarring, often due to conditions like hepatitis or chronic alcohol consumption. The data provided is sourced from a Mayo Clinic study on primary biliary cirrhosis (PBC) of the liver c…
【数据结构与技术规格】
文件数 1 个，合计 31.86 KB。
【主题与分类】
主题标签：classification、health、health conditions、healthcare、binary classification、mortality。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/joebeachcapital/cirrhosis-patient-survival-prediction
使用许可：Attribution 4.0 International (CC BY 4.0)。
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。
需登录公开下载
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。
暂未开放有偿下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("joebeachcapital/cirrhosis-patient-survival-prediction")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d joebeachcapital/cirrhosis-patient-survival-prediction
unzip cirrhosis-patient-survival-prediction.zip -d cirrhosis-patient-survival-prediction/
数据说明
该数据集是一个用于预测肝硬化患者生存情况的医学数据集，包含17个临床特征，如年龄、性别、肝功能指标、并发症等。数据来源于临床记录，通过结构化表格形式整理。该数据集主要用于构建和评估机器学习模型，以预测肝硬化患者的生存风险，支持临床决策和预后研究，适用于医学预测模型和肝硬化相关分析。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
