分化型甲状腺癌淋巴结受累预测列线图数据集
该数据集包含用于构建和验证分化型甲状腺癌淋巴结受累预测列线图的临床数据，数据模态主要包括临床表格数据，记录了患者的甲状腺球蛋白水平、淋巴细胞计数、BRAF基因突变状态、肿瘤病灶数量等指标，主要用于开发精准医疗工具，以预测癌症淋巴结转移风险，从而指导个性化的手术范围、术后放射性碘治疗决策及随访计划制定。
基本信息
资源简介
分化型甲状腺癌淋巴结受累预测列线图数据集
【数据集背景】
本数据集源站标题为《Postoperative nomogram for predicting involved lymph node in differentiated thyroid carcinoma: an observational study》。配套论文《Postoperative nomogram for predicting involved lymph node in differentiated thyroid carcinoma: an observational study》发表于 Future Oncology（2025），DOI：10.1080/14796694.2025.2543233。项目资助方：This study was supported by the General Program of Shaanxi Province Natural Science Basic Research Plan [Grant Number: 2023-JC-YB-671] and the Clinical Research Project of Air Force Medical University [Grant Number: 2023LC2325].。源站首次发布：2025-08-09。
【数据内容】
源站原始描述：This study aims to develop a comprehensive nomogram to accurately predict differentiated thyroid cancer (DTC) involved lymph node, enabling the personalization of treatment plans and optimizing patient outcomes. The nomogram was developed through an analysis of data obtained from derivation cohorts. To identify independent predictors of involved lymph node, we utilized the Least Absolute Shrinkage and Selection Operator (LASSO) method in conjunction with multivariable logistic regression. These…
【数据结构与技术规格】
文件数 2 个，合计 60.10 KB。19-Jul-STROBE-checklist.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，38.83 KB。Table_S1_flow_chart.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，21.27 KB。数据集 DOI：10.6084/m9.figshare.29875825.v1。
【主题与分类】
源站学科分类：Medicine、Cell Biology、Molecular Biology、Immunology、Mathematical Sciences not elsewhere classified、Developmental Biology。主题标签：Differentiated thyroid cancer、radioactive iodine、involved lymph node、nomogram,、lymphocyte counts。
【适用方向】
源站学科分类标注为 Medicine、Cell Biology、Molecular Biology、Immunology、Mathematical Sciences not elsewhere classified、Developmental Biology。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Postoperative_nomogram_for_predicting_involved_lymph_node_in_differentiated_thyroid_carcinoma_an_observational_study/29875825
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Postoperative nomogram for predicting involved lymph node in differentiated thyroid carcinoma: an observational study. Taylor & Francis. Li, Yunbo; Wang, Junyan; Hui, Jinzi; Hou, Guangdong; He, Wei; Sun, Tao; et al
【使用注意】
· 源站最后修改于 2025-09-01，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。
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集来源于一项观察性研究，旨在开发一个全面的列线图（nomogram）来准确预测分化型甲状腺癌（DTC）患者的淋巴结受累情况。数据集包含了用于构建和验证该预测模型的临床数据，通过LASSO方法和多变量逻辑回归分析识别出四个关键的独立预测因子：甲状腺球蛋白（Thyroglobulin）水平、淋巴细胞计数、BRAF V600E基因突变状态以及肿瘤病灶数量。该模型在推导队列和独立验证队列中均表现出优异的区分度、校准度和临床实用性（预测准确率分别为0.992和0.920）。该数据集及基于其构建的列线图主要用于指导甲状腺癌患者的个性化术后放射性碘治疗决策和术前评估，是精准医疗在甲状腺癌管理中的重要工具。
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。
