临床预测模型在单侧原发性醛固酮增多症识别中的性能验证研究补充数据
该数据集以临床表格和图表为主要数据模态，包含了针对单侧原发性醛固酮增多症的临床预测模型外部验证研究的补充数据，如模型汇总表、预测变量频率图、校准图和敏感性分析曲线，主要用于医学研究和临床实践，以评估和改进原发性醛固酮增多症的诊断模型性能，为疾病识别提供循证依据。
基本信息
资源简介
临床预测模型在单侧原发性醛固酮增多症识别中的性能验证研究补充数据
【数据集背景】
本数据集源站标题为《Supplemental Data for “Performance of Clinical Prediction Models in Identifying Unilateral Primary Aldosteronism: An External Validation Study”》。
【数据内容】
源站原始描述：Supplemental Table 1. Summary of the included clinical prediction models and the guideline-based prediction rule. Supplemental Figure 1. Frequency of predictor variables used in the included clinical prediction models and the guideline-based prediction rule. Supplemental Figure 2. Calibration plot of the adjusted Küpers model. Supplemental Figure 3. Sensitivity analysis with receiver operating characteristic curves of the clinical prediction models. Supplemental Figure 4. Sensitivity analysis wi…
【主题与分类】
主题标签：Medicine, Health and Life Sciences、primary aldosteronism。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:be7b2238cfa6ab452fe95528aec8a7fbfb064d16d61b75c52dfa0e196abb6f20
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
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
该数据集是一项关于临床预测模型在识别单侧原发性醛固酮增多症中的性能外部验证研究的补充数据。它包含多个表格和图表，如汇总了纳入的临床预测模型和基于指南的预测规则的补充表格、各模型预测变量使用频率的补充图表、调整后Küpers模型的校准图以及模型敏感性分析的接收者操作特征曲线和校准图。这些数据主要用于评估和验证现有临床预测模型在原发性醛固酮增多症诊断中的准确性、校准度和适用性，为临床决策提供数据支持。
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。
