儿童大环内酯类耐药肺炎支原体肺炎机器学习预测模型数据集

儿童大环内酯类耐药肺炎支原体肺炎临床预测模型开发数据集,包含患者特征与实验室数据,用于机器学习模型训练与评估。

Mendeley DataMendeley Data
DataCite Commons
2025-04-15 更新
浏览 33
表格大环内酯类耐药肺炎支原体肺炎预测模型
The machine learning-based prediction model development through multicomparison algorithmic evaluation in pediatric macrolide-resistant mycoplasma pneumoniae pneumonia

基本信息

模态
表格
大小
0.000077514 GB
创建/更新时间
2025-04-15
版本
v1

资源简介

儿童大环内酯类耐药肺炎支原体肺炎机器学习预测模型数据集

【一句话概览】

本资料介绍一种通过多比较算法评估、基于机器学习开发的儿童大环内酯类耐药肺炎支原体肺炎(MRMPP)临床预测模型,旨在促进耐药病例早期识别并指导靶向治疗干预。文件数为1,合计大小77.5 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《The machine learning-based prediction model development through multicomparison algorithmic evaluation in pediatric macrolide-resistant mycoplasma pneumoniae pneumonia》。源站首次发布:2025-04-15。

【数据内容】

源站原始描述:To develop a machine learning-based clinical prediction model for macrolide-resistant Mycoplasma pneumoniae pneumonia (MRMPP) in children, facilitating early identification of resistant cases and guiding targeted therapeutic interventions

中文译文(机器翻译,仅供快速理解,请以原文为准):构建基于机器学习的儿童大环内酯类耐药肺炎支原体肺炎(MRMPP)临床预测模型,以促进耐药病例的早期识别并指导靶向治疗干预。

【数据结构与技术规格】

文件数 1 个,合计 77.51 KB。数据集 DOI:10.17632/9yhggd3ykv.1。

【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/9yhggd3ykv

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/9yhggd3ykv

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