多囊卵巢综合征在美国的医疗相关经济负担：妊娠相关和长期健康后果 - 补充数据
多囊卵巢综合征（PCOS）在美国妊娠相关和长期健康后果的医疗经济负担补充数据，基于系统综述和meta分析。
基本信息
资源简介
多囊卵巢综合征在美国的医疗相关经济负担：妊娠相关和长期健康后果 - 补充数据
【数据集背景】
本数据集源站标题为《Health care-related economic burden of polycystic ovary syndrome in the United States: Pregnancy-related and long-term health consequences - supplemental data》。
【数据内容】
源站原始描述：Context: Polycystic ovary syndrome (PCOS) is the most common endocrine disorder of reproductive-aged women, affecting approximately 5-20% of women of reproductive age. A previous estimate noted that the economic burden of PCOS approximates $3.7 billion annually in 2020 USD when considering only the costs of the initial diagnosis and of reproductive endocrine morbidities, not considering the costs of pregnancy-related and long-term morbidities. Objective: To estimate the excess prevalence and eco…
中文译文（机器翻译，仅供快速理解，请以原文为准）：背景：多囊卵巢综合征（PCOS）是育龄女性最常见的内分泌疾病，影响约5-20%的育龄女性。先前一项估计指出，仅考虑初始诊断和生殖内分泌疾病的费用，而不考虑妊娠相关和长期疾病的费用时，PCOS的经济负担在2020年约为37亿美元（以2020年美元计）。目的：估计归因于PCOS的妊娠相关和长期健康疾病的超额患病率和经济负担。数据来源：PubMed、EmBase和Cochrane Library。研究选择：PCOS诊断符合鹿特丹、美国国立卫生研究院（NIH）或雄激素过多与PCOS（AE-PCOS）学会标准，或使用电子病历诊断代码，或基于组织病理学采样的诊断的研究，符合纳入条件。纳入的研究需包含感兴趣结局，并设有按体重指数（BMI）匹配或控制的非PCOS患者对照组。数据提取：两名研究者独立提取研究特征和结局数据。数据综合：采用随机效应荟萃分析汇总数据。使用I²统计
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.9w0vt4bg3。
【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://doi.org/10.5061/dryad.9w0vt4bg3
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.9w0vt4bg3
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。
