急性阑尾炎炎症反应评分对急性阑尾炎的早期诊断是否重要？
源站描述介绍 Dharma 机器学习框架，由临床接地插补器和两个随机森林分类器组成，用于儿童急性阑尾炎的诊断与严重程度评估，诊断 AUC-ROC 为 0.98 [0.97–0.99]、准确率 9
基本信息
资源简介
急性阑尾炎炎症反应评分对急性阑尾炎的早期诊断是否重要？
Hyperparameters of SOTA models for diagnosis.
该数据集来自 plos.figshare.com，标题为 Hyperparameters of SOTA models for diagnosis，包含 1 个文件 Table 3.xls，作者为 Anup Thapa Kshetri、Subash Pahari、Shashank Timilsina、Binay Chapagain，发布时间 2026-01-21，DOI 为 10.1371/journal.pdig.0000908.t003。源站描述介绍 Dharma 机器学习框架，由临床接地插补器和两个随机森林分类器组成，用于儿童急性阑尾炎的诊断与严重程度评估，诊断 AUC-ROC 为 0.98 [0.97–0.99]、准确率 9。
【数据集背景】
源站首次发布：2026-01-21。
【数据内容】
源站描述（机器翻译，仅供参考）：急性阑尾炎是儿童中常见但诊断具有挑战性的外科急症。现有的线性评分系统缺乏足够的准确性，无法单独使用，而先进成像受镇静、造影剂和辐射风险的限制。此外，尚无可用工具提供预后指导。我们介绍 Dharma，一个机器学习框架，由临床接地插补器和两个用于诊断与严重程度评估的随机森林分类器组成。Dharma 专为真实世界床旁使用而设计，已开源并可通过网络应用程序访问。Dharma 取得了出色的诊断性能，AUC-ROC 为 0.98 [0.97–0.99]，准确率为 93% [91–95]。对于预后分类，它以高敏感度（96% [93–99]）和阴性预测值（97% [94–99]）识别出复杂性阑尾炎。即使在未显示阑尾的病例中——一个 f
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。数据集 DOI：10.1371/journal.pdig.0000908.t003。
【主题与分类】
源站学科分类：Space Science、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。主题标签：negative predictive value、clinically grounded imputer、84 – 100、identified complicated appendicitis、beyond pediatric appendicitis、world bedside use、93 – 100、offs enable dharma、91 – 99、84 – 98。本站分类：消化系统疾病/其他。
【适用方向】
源站学科分类标注为 Space Science、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/_p_Hyperparameters_of_SOTA_models_for_diagnosis_p_/31118099
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Kshetri, Anup Thapa; Pahari, Subash; Timilsina, Shashank; Chapagain, Binay (2026). Hyperparameters of SOTA models for diagnosis.. PLOS Digital Health. Dataset
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：<p>Hyperparameters of SOTA models for diagnosis.</p>
- DOI：10.1371/journal.pdig.0000908.t003
- 发布日期：2026-01-21
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/_p_Hyperparameters_of_SOTA_models_for_diagnosis_p_/31118099
命令行下载
curl -L -o "Table 3.xls" "https://ndownloader.figshare.com/files/61200626"
文件清单
Table 3.xls（5.63 KB）
文件总体积 5.63 KB（源站 API 实测）。
数据说明
急性阑尾炎是儿童中常见但诊断具有挑战性的外科急症。现有的线性评分系统单独使用时准确性不足，而高级影像学检查则受到镇静、造影剂和辐射风险的限制。此外，目前尚无可用工具提供预后指导。我们推出Dharma，这是一个机器学习框架，由基于临床的插补器和两个用于诊断与严重程度评估的随机森林分类器组成。Dharma专为真实世界床旁使用而设计，已开源并可通过网络应用程序访问。Dharma取得了优异的诊断性能，AUC-ROC为0.98 [0.97–0.99]，准确率为93% [91–95]。在预后分类方面，其识别复杂性阑尾炎的灵敏度高（96% [93–99]），阴性预测值为97% [94–99]。即使在未显示阑尾的病例中——这在资源受限环境中是常见限制——Dharma仍保持强劲性能（AUC-ROC 0.96 [0.93–0.99]），在44%阈值下特异度为97% [93–100]，PPV为93% [84–100]；在25%阈值下灵敏度为92% [84–98]，NPV为95% [91–99]。
这些依赖于阈值的权衡使Dharma能够在多样的临床工作流程中同时支持阑尾炎的纳入和排除。除了儿科阑尾炎之外，Dharma的开源框架和基于临床的设计也为在医疗保健领域开发公平且实用的决策支持系统提供了可推广的基础。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pdig.0000908.t003（source: https://plos.figshare.com/articles/dataset/_p_Hyperparameters_of_SOTA_models_for_diagnosis_p_/31118099）。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
