基于机器学习的肠易激综合征疾病负担指数开发与内部验证数据
该数据集来自一项多中心横断面研究，围绕肠易激综合征（IBS）疾病负担评估，纳入依据Rome III和/或Rome IV标准诊断的IBS患者，通过基于Rome标准的比较与潜在类别分析刻画临床异质性，并利用机器学习开发IBS疾病负担指数（IBS-BI）
基本信息
资源简介
基于机器学习的肠易激综合征疾病负担指数开发与内部验证数据
Development and internal validation of a machine learning-based disease burden index for irritable bowel syndrome: a multicentre cross-sectional study
该数据集来自一项多中心横断面研究，围绕肠易激综合征（IBS）疾病负担评估，纳入依据Rome III和/或Rome IV标准诊断的IBS患者，通过基于Rome标准的比较与潜在类别分析刻画临床异质性，并利用机器学习开发IBS疾病负担指数（IBS-BI）。数据可用于探索IBS综合负担评估方法，并为后续外部验证及潜在临床应用评估提供基础（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Development and internal validation of a machine learning-based disease burden index for irritable bowel syndrome: a multicentre cross-sectional study》发表于 Annals of Medicine（2026），DOI：10.1080/07853890.2026.2721087。项目资助方：This work was supported by the Beijing Hospitals Authority’s Ascent Plan (Code: DF20230102).。源站首次发布：2026-08-20。
【数据内容】
源站描述（机器翻译，仅供参考）：肠易激综合征（IBS）是全球消化内科门诊最常见的脑-肠互动障碍之一，已成为显著的公共卫生负担。本研究旨在提供一种全面评估IBS负担的探索性方法，并可能为未来的外部验证及其潜在临床应用的进一步评估提供基础。这项多中心横断面研究纳入了根据Rome III和/或Rome IV标准诊断的IBS患者。研究进行了基于Rome标准的比较和潜在类别分析（LCA）以刻画临床异质性，随后利用机器学习开发了IBS疾病负担指数（IBS-BI）。与不符合Rome IV标准的组相比，符合Rome IV标准的组表现出显著更严重的IBS症状、躯体化症状、焦虑症状、抑郁症状以及p
【数据结构与技术规格】
文件数 2 个，合计 395.47 KB。数据集 DOI：10.6084/m9.figshare.33296440.v1。
【主题与分类】
源站学科分类：Medicine、Immunology、Biological Sciences not elsewhere classified、Science Policy、Hematology。主题标签：Irritable Bowel Syndrome、Rome Criteria、Latent Class Analysis、Machine Learning、Disease Burden。本站分类：消化系统疾病/肠易激综合征。
【适用方向】
源站学科分类标注为 Medicine、Immunology、Biological Sciences not elsewhere classified、Science Policy、Hematology。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Development_and_internal_validation_of_a_machine_learning-based_disease_burden_index_for_irritable_bowel_syndrome_a_multicentre_cross-sectional_study/33296440
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Development and internal validation of a machine learning-based disease burden index for irritable bowel syndrome: a multicentre cross-sectional study. Taylor & Francis. Wei, Yanbin; Zhang, Heyang; Wang, Nan; Jin, Haifeng; Feng, Zitan; Guo, Jiapeng; et al
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：Development and internal validation of a machine learning-based disease burden index for irritable bowel syndrome: a multicentre cross-sectional study
- DOI：10.6084/m9.figshare.33296440.v1
- 发布日期：2026-08-20
- 文件数：2 个
- 文件总体积：395.47 KB
- 源站页面：https://tandf.figshare.com/articles/dataset/Development_and_internal_validation_of_a_machine_learning-based_disease_burden_index_for_irritable_bowel_syndrome_a_multicentre_cross-sectional_study/33296440
命令行下载
curl -L -o "iann_a_2721087_sm1851.docx" "https://ndownloader.figshare.com/files/67698525"
curl -L -o "iann_a_2721087_sm1850.docx" "https://ndownloader.figshare.com/files/67698528"
文件清单
iann_a_2721087_sm1851.docx（365.66 KB）iann_a_2721087_sm1850.docx（29.81 KB）
文件总体积 395.47 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
肠易激综合征（IBS）是全球胃肠病学诊所中最常见的肠-脑互动障碍之一，已成为显著的公共卫生负担。本研究旨在提供一种探索性方法，用于全面评估IBS负担，并可为未来的外部验证及进一步评估其潜在临床应用奠定基础。这项多中心横断面研究纳入了根据Rome III和/或Rome IV标准诊断的IBS患者。研究进行了基于Rome标准的比较和潜在类别分析（LCA），以刻画临床异质性，随后利用机器学习开发了IBS负担指数（IBS-BI）。与不符合Rome IV标准的组相比，符合Rome IV标准的组表现出显著更严重的IBS症状、躯体化症状、焦虑症状、抑郁症状以及更差的健康相关生活质量（均p p 符合Rome IV标准的IBS患者表现出更高的疾病负担，这可能与该标准更严格的诊断要求有关。
IBS-BI可能对评估疾病负担和患者分层具有潜在价值。其临床效用和更广泛的适用性需要在独立的外部队列和前瞻性研究中进一步验证。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.33296440.v1（source: https://tandf.figshare.com/articles/dataset/Development_and_internal_validation_of_a_machine_learning-based_disease_burden_index_for_irritable_bowel_syndrome_a_multicentre_cross-sectional_study/33296440）。
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。
