肝移植数据库
NIDDK肝移植数据库，包含1563名肝移植患者的临床数据、活检和血清样本的前瞻性研究，并附有长期随访结果。
基本信息
资源简介
肝移植数据库
【一句话概览】
本数据集是 NIDDK Central Repository 公开的结构化表格数据集，主题涵盖 Observational、Liver Diseases，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Liver Transplantation Database》。项目资助方：NIH National Institute of Diabetes and Digestive and Kidney Diseases、Division of Digestive Diseases and Nutrition。
【数据内容】
源站原始描述：The NIDDK Liver Transplantation Database was established to prospectively investigate questions related to the experience of patients evaluated for and undergoing liver transplantation. The LTD contains data for 1563 patients referred and evaluated for orthotopic liver transplantation (OLT) at three large liver transplant centers in the United States; of these patients, 916 underwent transplantation and were followed for 1 to 5 years. All patients referred for OLT were screened for eligibility t…
【主题与分类】
主题标签：Observational、Liver Diseases。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://repository.niddk.nih.gov/studies/ltd1
使用许可：By requesting access to Data from the NIDDK Central Repository, the Requestor and Requesting Institution acknowledge the guidelines outlined below: a) Achieving maximum public benefit is the ultimate goal of Data distribution through the Repository mechanisms and it should be considered pre-competit。
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
源站：https://repository.niddk.nih.gov/studies/ltd1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
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。
