来氟米特在超敏性肺炎患者中的应用研究数据集

该数据集是一个医学临床研究数据集,包含超敏性肺炎患者在接受来氟米特治疗前后的多模态数据,具体涉及临床表格(如人口统计学、治疗历史、诊断信息)和肺功能测试指标(如FVC和DLCO),数据来源于美国克利夫兰诊所的电子病历回顾性分析,主要用于评估免疫调节药物来氟米特在超敏性肺炎治疗中的有效性与耐受性,支持呼吸系统疾病药物研究和个性化医疗决策。

Mendeley Data
2024-03-27 更新
浏览 28
过敏性肺炎治疗免疫调节药物评估
Use of Leflunomide in patients with hypersensitivity pneumonitis

基本信息

大小
0.000059168 GB
创建/更新时间
2024-03-27

资源简介

该数据集来源于一项回顾性研究,旨在评估免疫调节药物来氟米特(LEF)在超敏性肺炎(HP)患者中的耐受性和有效性。研究通过纵向分析肺功能变化,探讨来氟米特作为替代类固醇的免疫调节药物对肺功能的潜在益处。数据提取自美国克利夫兰诊所的电子病历记录(2002年至2018年),覆盖了符合HP诊断标准(ICD-9 495.8或ICD-10 J67/J67.8/J67.9)并接受来氟米特治疗的患者。数据集包含患者的人口统计学信息(如年龄、性别、体重、种族)、治疗历史(包括皮质类固醇剂量、来氟米特起始原因)、烟草使用史、抗原暴露史、诊断检查结果(如CT或HRCT、外科肺活检),以及肺功能测试指标(如用力肺活量FVC和二氧化碳弥散量DLCO)在治疗前后的变化。此外,还记录了患者报告的副作用和药物适应症。研究采用线性混合效应模型分析肺功能轨迹变化,并评估皮质类固醇剂量调整与体重变化的相关性。该数据集主要应用于呼吸系统疾病研究,特别是超敏性肺炎的药物治疗效果评估和临床决策支持。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/sh25p653p9

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集来源于一项回顾性研究,旨在评估免疫调节药物来氟米特(LEF)在超敏性肺炎(HP)患者中的耐受性和有效性。研究通过纵向分析肺功能变化,探讨来氟米特作为替代类固醇的免疫调节药物对肺功能的潜在益处。数据提取自美国克利夫兰诊所的电子病历记录(2002年至2018年),覆盖了符合HP诊断标准(ICD-9 495.8或ICD-10 J67/J67.8/J67.9)并接受来氟米特治疗的患者。数据集包含患者的人口统计学信息(如年龄、性别、体重、种族)、治疗历史(包括皮质类固醇剂量、来氟米特起始原因)、烟草使用史、抗原暴露史、诊断检查结果(如CT或HRCT、外科肺活检),以及肺功能测试指标(如用力肺活量FVC和二氧化碳弥散量DLCO)在治疗前后的变化。此外,还记录了患者报告的副作用和药物适应症。研究采用线性混合效应模型分析肺功能轨迹变化,并评估皮质类固醇剂量调整与体重变化的相关性。该数据集主要应用于呼吸系统疾病研究,特别是超敏性肺炎的药物治疗效果评估和临床决策支持。

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

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。

获取专属数据定制方案