登革热中收缩压体位性下降作为有用预警信号数据集
150例登革热住院患者前瞻性研究，评估体位性低血压作为严重登革热预警信号的诊断准确性，包含常规预警信号和血压指标，支持纳入临床预警。
基本信息
资源简介
登革热中收缩压体位性下降作为有用预警信号数据集
【一句话概览】
本数据集是 Dryad 公开的结构化表格数据集，主题涵盖 Severe Dengue、Hematocrit、Warning Signs、Postural Hypotension、Hemoconcentration，可用于统计建模、特征工程与队列分析，https://spdx.org/licenses/CC0-1.0.html 许可开放获取。
【数据集背景】
本数据集源站标题为《Postural fall in systolic blood pressure is an useful warning sign in Dengue fever》。
【数据内容】
源站原始描述：Purpose : Capillary leak is the hallmark of development of severe dengue. A rise in hematocrit has been a major warning sign in WHO guidelines. Postural hypotension, which could reflect the intravascular volume reduction in capillary leak, has been noted as a warning sign in CDC and Pan American Health Organisation guidelines. We evaluated the diagnostic accuracy of Postural hypotension as a marker of development of severe dengue. Methods : 150 patients admitted with dengue fever were recruited…
中文译文（机器翻译，仅供快速理解，请以原文为准）：目的：毛细血管渗漏是重症登革热发生的标志。血细胞比容升高一直是WHO指南中的主要预警信号。体位性低血压可能反映毛细血管渗漏导致的血管内容量减少，已被CDC和泛美卫生组织指南列为预警信号。我们评估了体位性低血压作为重症登革热发生标志的诊断准确性。方法：本前瞻性观察性研究招募了150例因登革热入院的患者。评估了传统预警信号（腹痛、持续呕吐、液体积聚、黏膜出血、嗜睡、肝肿大、血细胞比容升高伴血小板下降）和体位性低血压的诊断准确性。结果：23例（15.3%）受试者发展为重症登革热。多因素logistic回归分析显示，腹水/胸腔积液
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.jwstqjqfc。
【主题与分类】
主题标签：Severe Dengue、Hematocrit、Warning Signs、Postural Hypotension、Hemoconcentration、Thrombocytopenia。
【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://doi.org/10.5061/dryad.jwstqjqfc
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.jwstqjqfc
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。
