原发性醛固酮增多症亚型分类偏好：一项离散选择实验的补充材料
原发性醛固酮增多症亚型分类偏好的离散选择实验补充材料，包含问卷和数据表格。
基本信息
资源简介
原发性醛固酮增多症亚型分类偏好：一项离散选择实验的补充材料
【一句话概览】
本资源为研究《原发性醛固酮增多症分型偏好：一项离散选择实验》的补充材料，包含2个文件，合计688 KB。源站标签包括原发性醛固酮增多症、高血压、分型、预测算法、PET-CT与肾上腺静脉取样；分类涉及健康经济学、内分泌学及放射学与器官成像。许可为CC BY 4.0（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
本数据集源站标题为《Preferences for Subtyping Primary Aldosteronism: a Discrete Choice Experiment - Supplementary Material》。项目资助方：National Health and Medical Research Council’s Medical Research Future Fund (MRFAR000172)。源站首次发布：2025-06-11。
【数据内容】
源站原始描述：Supplemental Material for the study "Preferences for Subtyping Primary Aldosteronism: a Discrete Choice Experiment"
中文译文（机器翻译，仅供快速理解，请以原文为准）：研究“原发性醛固酮增多症分型偏好：一项离散选择实验”的补充材料
【数据结构与技术规格】
文件数 2 个，合计 688.02 KB。Questionnaire_PA_Subtyping.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，350.10 KB。Supplementary_Material.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，337.93 KB。数据集 DOI：10.26180/29289176.v1。
【主题与分类】
源站学科分类：Health economics、Endocrinology、Radiology and organ imaging。主题标签：Primary Aldosteronism、Hypertension、Subtyping、Predictive Algorithm、PET-CT、Adrenal Vein Sampling。
【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://bridges.monash.edu/articles/online_resource/Preferences_for_Subtyping_Primary_Aldosteronism_a_Discrete_Choice_Experiment_-_Supplementary_Material/29289176
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Woode, Maame Esi; Chong, Winston; Ng, Elisabeth; Lu-Shirzard, Shanshan; Gwini, Stella May; Fuller, Peter J.; et al. (2025). Preferences for Subtyping Primary Aldosteronism: a Discrete Choice Experiment - Supplementary Material. Monash University. Online resource
【使用注意】
· 源站最后修改于 2026-02-11，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。
暂未开放有偿下载
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
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。
