风湿性多肌痛和巨细胞动脉炎发病季节性的荟萃分析数据集
该数据集是一个基于文献收集的临床表格数据，包含风湿性多肌痛和巨细胞动脉炎的发病症状信息，按半年、季节和月份组织为9个表格，用于进行荟萃分析以研究这两种疾病发病的季节性模式，主要应用于风湿病学和流行病学研究，支持通过统计方法（如发病率比计算、异质性检验和发表偏倚评估）探索环境因素与疾病发作的关系。
基本信息
资源简介
风湿性多肌痛和巨细胞动脉炎发病季节性的荟萃分析数据集
【数据集背景】
本数据集源站标题为《Dataset of the meta-analysis on seasonality of polymyalgia rheumatica and giant cell arteritis onset》。源站首次发布：2020-08-01。
【数据内容】
源站原始描述：Onset symptoms of polymyalgia rheumatica (PMR) and giant cell arteritis (GCA) were collected through relevant papers found in the scientific literature. Since we wanted to determine whether there is a seasonal aggregation for these disorders, only papers reporting semestral, seasonal or monthly onset symptoms were included in the meta-analysis. Data were organized in hierarchical order yielding 9 tables, which first considered both diseases together, and then each disease separately, in relation…
【数据结构与技术规格】
文件数 45 个，合计 507.76 KB。数据集 DOI：10.17632/63n4mxv2kr.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/63n4mxv2kr
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/63n4mxv2kr
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
该数据集是一个用于研究风湿性多肌痛（PMR）和巨细胞动脉炎（GCA）发病季节性的荟萃分析数据集。数据来源于科学文献中收集的PMR和GCA发病症状报告，仅纳入报告半年、季节或月度发病症状的论文。数据集以层次结构组织为9个表格，首先将两种疾病合并考虑，然后分别分析每种疾病与时间（半年期、季节或月份）的关系。通过计算发病率比（IRR）的自然对数，对冷期与暖期进行比较的荟萃分析，主要分析所有PMR和GCA患者在暖学期与冷学期的对比。数据集还包括固定效应和随机效应荟萃分析、森林图、异质性检验（Cochrane’s Q和I²统计量）以及发表偏倚评估（漏斗图和Egger检验）。所有统计分析使用R 3.5版本和meta包（4.9版）完成，适用于风湿病学、流行病学和临床研究领域，用于探索疾病发病的季节性模式。
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。
