血清白蛋白相关营养指数对卒中相关性肺炎的预测价值:一项系统评价和荟萃分析

系统评价和荟萃分析数据集,评估血清白蛋白营养指数对卒中相关性肺炎的预测价值。

Mendeley DataMendeley Data
DataCite Commons
2025-05-13 更新
浏览 28
表格卒中相关性肺炎预测模型
Predictive value of serum albumin-related nutritional index in stroke-associated pneumonia: a systematic review and meta-analysis

基本信息

模态
表格
大小
0.01912142 GB
创建/更新时间
2025-05-13
版本
v2

资源简介

血清白蛋白相关营养指数对卒中相关性肺炎的预测价值:一项系统评价和荟萃分析

【一句话概览】

本研究为一项系统综述与meta分析,题为“血清白蛋白相关营养指数对卒中相关性肺炎的预测价值”,遵循PRISMA指南,并已在PROSPERO注册(CRD42024629468)。研究旨在探讨白蛋白及其相关营养标志物对卒中相关性肺炎(SAP)的预测价值。相关文件共5个,合计大小19.1 MB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Predictive value of serum albumin-related nutritional index in stroke-associated pneumonia: a systematic review and meta-analysis》。源站首次发布:2025-07-15。

【数据内容】

源站原始描述:This study is a systematic review and meta-analysis that complied with the PRISMA guidelines and has been registered in PROSPERO (CRD42024629468).The aim of our study was to investigate the predictive value of albumin and its related nutritional markers for stroke-associated pneumonia (SAP)

中文译文(机器翻译,仅供快速理解,请以原文为准):本研究是一项遵循PRISMA指南的系统综述和荟萃分析,并已在PROSPERO注册(CRD42024629468)。本研究旨在探讨白蛋白及其相关营养标志物对卒中相关性肺炎(SAP)的预测价值。

【数据结构与技术规格】

文件数 5 个,合计 19.12 MB。数据集 DOI:10.17632/b3cv233vnf.2。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/b3cv233vnf

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/b3cv233vnf

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。

获取专属数据定制方案