炎症生物标志物在诊断路径中的价值数据集
该数据集来自 search.dataone.org，聚焦炎症生物标志物在感染性疾病病因诊断中的价值。研究纳入 164 例患者，入院时测量降钙素原、中性粒细胞与淋巴细胞比值、C反应蛋白、纤维蛋白原、铁蛋白和乳酸，并用 ROC 曲线与 Youden 指数确定最佳截断值，以 AUC 评估各标志物及其组合对
基本信息
资源简介
炎症生物标志物在诊断路径中的价值数据集
The interest of inflammatory biomarkers in the diagnostic approach
该数据集来自 search.dataone.org，聚焦炎症生物标志物在感染性疾病病因诊断中的价值。研究纳入 164 例患者，入院时测量降钙素原、中性粒细胞与淋巴细胞比值、C反应蛋白、纤维蛋白原、铁蛋白和乳酸，并用 ROC 曲线与 Youden 指数确定最佳截断值，以 AUC 评估各标志物及其组合对感染病因的诊断准确性。数据可用于感染性疾病的诊断分类建模与生物标志物组合效能评估（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：炎症生物标志物在病因定向中的作用正日益受到研究，其潜在意义已得到认可。方法：所有患者入院时测量降钙素原（PCT）、中性粒细胞与淋巴细胞比值（NLR）、C反应蛋白（CRP）、纤维蛋白原、铁蛋白和乳酸。使用受试者工作特征曲线（ROC）分析和 Youden 指数确定对感染性疾病的敏感性和特异性的最佳截断值。通过曲线下面积（AUC）计算生物标志物及其组合预测感染性病因的诊断准确性。结果：研究共纳入 164 例患者。平均年龄为 50.7 ± 18 岁 [18 – 92 岁]。53 例患者（32.3%）年龄超过 65 岁。患者被分为四组：53 例患者（32.3%）患有感染性疾病
【主题与分类】
主题标签：Infections、C reactive protein、Neutrophils to lymphocytes ratio、procalcitonin、Diagnoses、Biomarkers、Inflammation、complete blood count。本站分类：感染性疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A50802e4104edcf508f01d480d477f97ef2dac14ba45a97eb8081f4f3eaffec21
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
背景：炎症生物标志物在病因定位中的作用日益受到研究，其潜在意义已得到认可。方法：所有患者入院时均检测降钙素原（PCT）、中性粒细胞-淋巴细胞比值（NLR）、C反应蛋白（CRP）、纤维蛋白原、铁蛋白血症及乳酸。采用受试者工作特征曲线（ROC）分析和约登指数确定各生物标志物对感染性疾病敏感性和特异性的最佳截断值。通过曲线下面积（AUC）计算生物标志物及其联合应用预测感染性病因的诊断准确性。结果：共纳入164例患者。平均年龄为50.7±18岁[18–92岁]。53例患者（32.3%）年龄超过65岁。患者被分为四组：53例患者（32.3%）患有感染性疾病，其中45例患者（84.9%）表现为细菌感染；62例患者（37.8%）患有炎症性疾…
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
