补充数据：原发性醛固酮增多症患者肾上腺切除术前的盐皮质激素受体拮抗剂治疗
该数据集是一个包含临床表格数据的医学研究补充数据集，主要涉及原发性醛固酮增多症患者肾上腺切除术前的盐皮质激素受体拮抗剂治疗分析，涵盖患者基线特征、术后高钾血症、伴随性肾上腺皮质功能亢进比较及长期生化结果参数等多个表格，用于研究术前药物治疗对手术预后和生化指标的影响，支持内分泌疾病治疗和临床决策优化。
基本信息
资源简介
补充数据：原发性醛固酮增多症患者肾上腺切除术前的盐皮质激素受体拮抗剂治疗
【数据集背景】
本数据集源站标题为《Supp_Data: Mineralocorticoid receptor antagonist pre-adrenalectomy in primary aldosteronism》。源站首次发布：2025-08-18。
【数据内容】
源站原始描述：List of Content Table S1 – Baseline characteristics of the overall cohort Table S2 – Overall cohort characteristics at last available visit Table S3 – Characteristics of patients who developed postsurgical hyperkalemia at short term follow-up (≤ 90 days) Table S4 – Comparison of patients affected by PA with and without concomitant MACS Table S5 – Characteristics of patients with a follow-up ≥6 months after surgery, stratified by presurgical treatment with MRA Table S6 – Parameters associated wit…
【数据结构与技术规格】
文件数 1 个，合计 94.80 KB。数据集 DOI：10.17632/vz6323m3k4.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/vz6323m3k4
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/vz6323m3k4
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:
数据说明
该数据集是一个医学临床研究补充数据集，聚焦于原发性醛固酮增多症（PA）患者肾上腺切除术前的盐皮质激素受体拮抗剂治疗分析。数据集包含多个临床表格，如患者基线特征、术后短期随访（≤90天）的高钾血症情况、伴或不伴伴随性肾上腺皮质功能亢进（MACS）的患者比较、长期随访（≥6个月）的生化结果参数等。数据来源于临床研究，主要用于评估术前药物治疗对手术预后、生化指标及并发症的影响，支持内分泌学、泌尿外科及临床决策优化等研究方向。
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。
