密歇根州立大学椎间盘分类结合手术通道预测单节段腰椎间盘切除术围手术期技术事件:两中心队列研究

该数据集来自一项两中心队列研究,主题为结合Michigan State University椎间盘分类与手术通道预测单节段腰椎间盘切除术围手术期技术事件

Harvard DataverseHarvard Dataverse
dataverse
浏览 6
其他预测Medicine, Health and Life Sciences: Lumbar discectomy; MSU classification
Combining the Michigan State University disc classification with the surgical corridor to anticipate perioperative technical events in single-level lumbar discectomy: A two-center cohort study

基本信息

模态
其他
大小
0.000622984 GB
任务类型
预测
创建/更新时间
2026-10-18

资源简介

密歇根州立大学椎间盘分类结合手术通道预测单节段腰椎间盘切除术围手术期技术事件:两中心队列研究

该数据集对应一项两中心队列研究,英文名称为“Combining the Michigan State University disc classification with the surgical corridor to anticipate perioperative technical events in single-level lumbar discectomy: A two-center cohort study”,由作者 ragab, ahmed 提交至 Harvard Dataverse,发布时间为 2026 年,来源站为 doi.org。研究主题是结合 Michigan State University(MSU)椎间盘分类与手术通道,预测单节段腰椎间盘切除术中的围手术期技术事件。数据集在站内归入肌肉骨骼疾病 / 其他类别,主题标签涵盖 Medicine, Health and Life Sciences 以及 Lumbar discectomy、MSU classification。源站将其描述为“该研究的数据集与统计分析”。整体而言,这是一份围绕腰椎间盘切除手术预后预测的临床研究配套数据资源,适合关注脊柱外科手术规划与围手术期风险的研究者参考。

【数据集背景】

单节段腰椎间盘切除术是脊柱外科常见的减压手术,围手术期技术事件的发生与椎间盘病变形态、手术入路选择等因素相关。Michigan State University 椎间盘分类是一种用于描述椎间盘突出形态与位置的分类体系,而手术通道则涉及术者到达病变区域所采用的路径。该研究尝试将两者结合,用于术前预判单节段腰椎间盘切除术中可能出现的围手术期技术事件。数据集即产生于这一研究背景,服务于上述预测思路的验证与分析。研究采用两中心队列设计,提示数据来自两个临床中心的连续病例观察,而非单中心或实验性研究。

【数据内容】

源站将该数据集描述为“该研究的数据集与统计分析”,即内容涵盖研究使用的数据以及配套的统计分析材料。主题标签明确指向腰椎间盘切除术与 MSU 分类两个核心概念,说明数据围绕椎间盘分类信息与手术相关变量组织。关于具体变量清单、样本量、随访指标、统计方法细节以及文件格式与目录结构,源站未提供。

【采集与来源】

数据由作者 ragab, ahmed 提交,托管于 Harvard Dataverse,来源站为 doi.org,发布时间为 2026 年。研究设计为两中心队列研究,表明数据采集涉及两个临床中心。关于各中心的地理位置、招募时间窗、纳入与排除标准、数据采集流程与质量控制措施,源站未提供。

【适用场景】

该数据集适用于脊柱外科领域的临床研究场景,尤其是围绕腰椎间盘切除术围手术期技术事件预测的二次分析、方法学复现与教学演示。研究者可基于 MSU 椎间盘分类与手术通道相关变量,探索术前风险评估模型的构建与验证;也可用于比较不同分类体系或通道选择策略与术中技术事件之间的关联。由于研究为两中心队列设计,数据亦可用于多中心数据一致性与外部适用性的讨论。关于数据是否适合其他术式或其他脊柱疾病研究,源站未提供。

【使用方法】

源站将数据集定位为“该研究的数据集与统计分析”,提示使用者可结合数据文件与统计分析材料理解研究结果。关于具体的文件命名、变量编码字典、统计软件与脚本、复现步骤及推荐的分析流程,源站未提供。

【质量与限制】

数据来源于两中心队列研究,其设计特点决定了结果可能受中心间诊疗习惯与术者经验差异的影响。数据集发布于 Harvard Dataverse,具备机构级存储平台的背景。关于样本量、缺失数据比例、随访完整性、偏倚控制措施以及数据核验与同行评审状态,源站未提供。使用者在将结论外推至其他人群或术式时应保持谨慎。

【引用与许可】

引用该数据集时应标注作者 ragab, ahmed、数据集英文名称、Harvard Dataverse 平台及 doi.org 来源站信息,发布时间为 2026 年。关于具体的许可协议类型、使用范围与再分发条件,源站未提供。

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://doi.org/10.7910/DVN/WFUC1M

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。

数据集大小约 623.0 KB。

数据说明

data set and statistical analysis of the study

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