抗HCV治疗无应答预测因素的多变量逐步logistic回归模型
抗HCV治疗无应答预测因素的多变量逐步logistic回归模型，涉及丙型肝炎治疗应答分析。
基本信息
资源简介
该数据集为用于抗HCV治疗无应答预测因素的多变量逐步logistic回归模型，涉及丙型肝炎（HCV）抗病毒治疗场景；内容/模态主要为统计模型或回归分析结果；任务为识别治疗无应答的预测因素并进行风险预测；可用于辅助丙型肝炎治疗应答相关研究。
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）
- 源站标题：Multivariate stepwise logistic regression model for predictors of non response to anti HCV treatment.
- DOI：10.1371/journal.pone.0184654.t003
- 发布日期：2017-10-05
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Multivariate_stepwise_logistic_regression_model_for_predictors_of_non_response_to_anti_HCV_treatment_/5474023
命令行下载
curl -L -o "Table 3.xls" "https://ndownloader.figshare.com/files/9468355"
文件清单
Table 3.xls（5.63 KB）
文件总体积 5.63 KB（源站 API 实测）。
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。
数据说明
Multivariate stepwise logistic regression model for predictors of non response to anti HCV treatment.
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0184654.t003（source: https://plos.figshare.com/articles/dataset/Multivariate_stepwise_logistic_regression_model_for_predictors_of_non_response_to_anti_HCV_treatment_/5474023）。
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。
