林奇综合征相关子宫内膜癌前病变频率数据集
该数据集包含子宫内膜增生组织标本的临床表格数据及基因检测结果，数据模态涉及临床表格和基因表达信息，通过免疫组化检测MLH1、PMS2、MSH2和MSH6基因以评估微卫星不稳定性，主要用于研究林奇综合征相关的子宫内膜癌前病变频率，为早期筛查和分子机制探索提供数据基础。
基本信息
资源简介
林奇综合征相关子宫内膜癌前病变频率数据集
【数据集背景】
本数据集源站标题为《Frequency of endometrial cancer precursors associated with Lynch Syndrome》。源站首次发布：2023-04-26。
【数据内容】
源站原始描述：This is an observational Cohort study. Tissue specimens obtained that have been labeled with the diagnosis of endometrial hyperplasia will be identified and their chart reviewed for demographic date of age, race, BMI, and co-morbidities. The specimen will then be tested via IHC for MLH1, PMS2, MSH2, or MSH 6 genes to determine the presence of microsatellite instability indicative of Lynch Syndrome. The numbers will then be statistically analyzed and compared to that of the incidence of Lynch syn…
【数据结构与技术规格】
文件数 1 个，合计 19.06 KB。数据集 DOI：10.17632/jv6xrtrwd2.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/jv6xrtrwd2
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://data.mendeley.com/datasets/jv6xrtrwd2
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:
数据说明
该数据集是一项观察性队列研究，旨在探究林奇综合征相关的子宫内膜癌前病变频率。数据集包含诊断为子宫内膜增生的组织标本信息，通过免疫组化（IHC）检测MLH1、PMS2、MSH2和MSH6基因表达，以确定是否存在微卫星不稳定性（MSI），从而指示林奇综合征。同时，数据集还记录了患者的年龄、种族、BMI和合并症等人口统计学和临床数据。研究数据来源于回顾性图表审查和实验室检测，主要用于分析子宫内膜增生中林奇综合征相关微卫星不稳定性的发生率，并与子宫内膜癌中的发生率进行比较，为林奇综合征的早期筛查和子宫内膜癌前病变的分子机制研究提供数据支持。
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。
