糖尿病性黄斑水肿患者四年抗VEGF治疗
目的:评估玻璃体腔注射抗血管内皮生长因子(VEGF)治疗糖尿病性黄斑水肿(DMO)的视力(VA)结局。方法:在这项回顾性队列研究中,分析了2013年3月至2018年10月期间在一家三级转诊中心接受玻璃体腔注射(IVI)的所有患者的电子病历

基本信息
资源简介
糖尿病性黄斑水肿患者四年抗VEGF治疗
目的:评估玻璃体腔注射抗血管内皮生长因子(VEGF)治疗糖尿病性黄斑水肿(DMO)的视力(VA)结局。方法:在这项回顾性队列研究中,分析了2013年3月至2018年10月期间在一家三级转诊中心接受玻璃体腔注射(IVI)的所有患者的电子病历
Anti-vegf therapy in diabetic macular oedema patients over four years
【数据集背景】
源站首次发布:2020。
【数据内容】
源站描述(机器翻译,仅供参考):目的:评估玻璃体腔注射抗血管内皮生长因子(VEGF)治疗糖尿病性黄斑水肿(DMO)的视力(VA)结局。方法:在这项回顾性队列研究中,分析了2013年3月至2018年10月期间在一家三级转诊中心接受玻璃体腔注射(IVI)的所有患者的电子病历。报告了所有眼在4年观察期内的治疗反应,以视力结局表示。结果:我们的队列包括1964名患者的2614只DMO眼,观察期为48个月。Cox比例风险模型确定注射次数(风险比[HR] = 1.18)、男性性别(HR = 1.13)和基线VA(HR = 1.09)是达到超过70个早期治疗糖尿病视网膜病变研究(ETDRS)字母的良好视力结局的独立预测因素。我们队列中有一半在开始治疗后1.9个月达到70个字母
【主题与分类】
主题标签:糖尿病性黄斑水肿、抗VEGF治疗、视力预后、回顾性队列研究、玻璃体腔注射、内分泌与代谢疾病。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.pzgmsbcfw
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.pzgmsbcfw
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:
数据集大小约 5.1 MB。
数据说明
目的:评估玻璃体内抗血管内皮生长因子(VEGF)治疗糖尿病性黄斑水肿(DMO)的视力(VA)结局。方法:在这项回顾性队列研究中,分析了2013年3月至2018年10月期间在一家三级转诊中心接受玻璃体内注射(IVI)的所有患者的电子病历。报告了所有眼在4年观察期内以视力结局表示的治疗反应。结果:我们的队列包括1964名患者的2614只DMO眼,观察期为48个月。Cox比例风险模型确定注射次数(风险比[HR]=1.18)、男性性别(HR=1.13)和基线VA(HR=1.09)是达到超过70个早期治疗糖尿病视网膜病变研究(ETDRS)字母的良好视力结局的独立预测因素。我们队列中有一半在开始抗VEGF治疗后1.9个月达到70个字母。在达到70个字母的患者中,50%在14.7个月时降至70以下。结论:迄今为止,这是规模最大的单中心队列研究,并且观察期最长,报告了抗VEGF治疗DMO的真实世界结局。
我们已将数据集的匿名化版本发布在一个开源数据存储库上,供全球临床研究人员作为资源使用。
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。




