临床和功能变量预测肢端肥大症患者总体疲劳：解释性模型方法
该数据集包含23名肢端肥大症患者的临床、激素和功能变量，数据模态涵盖临床量表评分、血清激素测量、动脉功能指标、握力测试和六分钟步行距离等多模态临床数据，主要应用于通过多元线性回归模型构建疲劳预测方程，以支持内分泌疾病症状预测、临床回归建模及疲劳相关生物标志物的研究。
基本信息
资源简介
临床和功能变量预测肢端肥大症患者总体疲劳：解释性模型方法
【数据集背景】
本数据集源站标题为《Clinical and functional variables can predict general fatigue in patients with acromegaly: an explanatory model approach》。配套论文《Clinical and functional variables can predict general fatigue in patients with acromegaly: an explanatory model approach》发表于 Archives of Endocrinology and Metabolism（2019），DOI：10.20945/2359-3997000000127。源站首次发布：2019-07-24。
【数据内容】
源站原始描述：ABSTRACT Objective To evaluate whether hormonal profile, arterial function, and physical capacity are predictors of fatigue in patients with acromegaly. Subjects and methods: This is a cross-sectional study including 23 patients. The subjects underwent a Modified Fatigue Impact Scale (MFIS) assessment; serum growth hormones (GH) and IGF-1 measurements; pulse wave analysis comprising pulse wave velocity (PWV), arterial compliance (AC), and the reflection index (IR1,2); dominant upper limb dynamom…
【数据结构与技术规格】
文件数 4 个，合计 205.12 KB。数据集 DOI：10.6084/m9.figshare.8988161.v1。
【主题与分类】
源站学科分类：Medicine、Endocrinology。主题标签：Acromegaly、pulse wave analysis、fatigue、exercise tests、muscle strength。
【适用方向】
源站学科分类标注为 Medicine、Endocrinology。
【获取与许可】
源站页面：https://scielo.figshare.com/articles/dataset/Clinical_and_functional_variables_can_predict_general_fatigue_in_patients_with_acromegaly_an_explanatory_model_approach/8988161
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Michalski, André da Cunha; Ferreira, Arthur de Sá; Kasuki, Leandro; Gadelha, Monica R.; Lopes, Agnaldo José; Guimarães, Fernando Silva (2019). Clinical and functional variables can predict general fatigue in patients with acromegaly: an explanatory model approach. SciELO journals. Dataset
【使用注意】
· 源站最后修改于 2023-06-01，引用时请注意版本时效。
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）
按页面 Download 按钮获取。
数据说明
该数据集是一项横断面研究，旨在评估肢端肥大症患者的激素水平、动脉功能和体能是否可作为疲劳的预测因子。研究纳入了23名患者，收集了包括改良疲劳影响量表（MFIS）评分、血清生长激素（GH）和胰岛素样生长因子-1（IGF-1）测量值、脉搏波分析（含脉搏波速度、动脉顺应性和反射指数）、优势上肢握力测试以及六分钟步行距离测试在内的多模态临床数据。研究通过多元线性回归模型构建了预测疲劳的方程，发现激素、血管和功能变量可有效预测患者的总体疲劳。该数据集适用于内分泌疾病症状预测、临床回归建模及疲劳相关生物标志物研究。
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。
