灭活与mRNA COVID-19疫苗接种对甲状腺功能亢进患者甲状腺功能影响的补充表格

该数据集以临床表格形式提供了灭活与mRNA COVID-19疫苗接种对甲状腺功能亢进患者甲状腺功能影响研究的补充数据,包含患者基线信息、甲状腺功能指标变化及疫苗接种详情,主要用于内分泌学和疫苗安全性研究,支持评估COVID-19疫苗在特定疾病人群中的潜在效应。

Mendeley Data
2024-01-31 更新
浏览 28
甲状腺疾病COVID-19疫苗
Effect of inactivated and mRNA COVID-19 vaccination on thyroid function among patients treated for hyperthyroidism - Supplementary Tables

基本信息

大小
0.000033323 GB
创建/更新时间
2024-01-31
版本
v1

资源简介

灭活与mRNA COVID-19疫苗接种对甲状腺功能亢进患者甲状腺功能影响的补充表格

【一句话概览】

该数据集为《Effect of inactivated and mRNA COVID-19 vaccination on thyroid function among patients treated for hyperthyroidism》的补充表格,原始描述为“Supplementary Tables”,共包含1个文件,合计大小33.3 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Effect of inactivated and mRNA COVID-19 vaccination on thyroid function among patients treated for hyperthyroidism - Supplementary Tables》。源站首次发布:2022-11-04。

【数据结构与技术规格】

文件数 1 个,合计 33.32 KB。数据集 DOI:10.17632/pdp2tdmvrt.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/pdp2tdmvrt

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/pdp2tdmvrt

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集是一项医学研究的相关补充表格,主要探讨了灭活与mRNA COVID-19疫苗接种对正在接受治疗的甲状腺功能亢进(甲亢)患者甲状腺功能的影响。数据集包含临床研究中的补充数据表格,内容可能涉及患者基线特征、甲状腺功能指标(如TSH、FT3、FT4等)在疫苗接种前后的变化、疫苗接种类型、随访时间等。数据来源于相关医学研究的公开补充材料,通过Mendeley Data平台提供。该数据集适用于内分泌学、疫苗安全性、甲状腺疾病管理等领域的研究,可用于评估COVID-19疫苗对特定患者群体的潜在影响。

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。

获取专属数据定制方案