腕管松解术中常规腱鞘活检检测淀粉样变性的成本数据集:基于文献的亚组分析
该数据集用于支持一项基于文献的成本分析,评估在腕管松解术(CTR)中实施腱鞘活检作为淀粉样变性筛查策略的经济效率。研究假设为:每检出淀粉样变性病例的成本会随疾病患病率显著变化,且在临床定义的高风险人群中低于未选择的CTR人群

基本信息
资源简介
腕管松解术中常规腱鞘活检检测淀粉样变性的成本数据集:基于文献的亚组分析
Dataset for: Cost per Detection of Amyloidosis with Routine Tenosynovial Biopsy During Carpal Tunnel Release: A Literature-Based Subgroup Analysis
该数据集用于支持一项基于文献的成本分析,评估在腕管松解术(CTR)中实施腱鞘活检作为淀粉样变性筛查策略的经济效率。研究假设为:每检出淀粉样变性病例的成本会随疾病患病率显著变化,且在临床定义的高风险人群中低于未选择的CTR人群。数据来自已发表文献和公开成本来源,涵盖CTR人群及高风险亚组的淀粉样变性患病率估计、操作与病理成本估计、来自回顾性CTR手术系列的术中时间数据,以及诊室、门诊手术中心和医院场景的手术室成本假设。衍生变量包括需活检人数(NNB)等(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集支持一项基于文献的成本分析,评估在腕管松解术(CTR)中实施腱鞘活检作为淀粉样变性筛查策略的经济效率。研究假设为:每检出淀粉样变性病例的成本会随疾病患病率显著变化,且在临床定义的高风险患者人群中低于未选择的CTR人群。该数据集由已发表文献和公开可用的成本来源汇编而成。它包括CTR人群和高风险亚组中报告的淀粉样变性患病率估计、操作和病理成本估计、从回顾性CTR手术系列中获得的术中时间数据,以及诊室、门诊手术中心和医院场景的手术室成本假设。衍生变量包括需活检人数(NNB)、计算
【主题与分类】
主题标签:Medicine、Economics、Orthopedics、Amyloidosis、Carpal Tunnel。本站分类:肌肉骨骼疾病/其他。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/c2ndp2x6nb/1
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/10.17632/c2ndp2x6nb.1
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:
数据集大小约 17.2 KB。
数据说明
该数据集支持一项基于文献的成本分析,评估在腕管松解术(CTR)中进行腱鞘活检作为淀粉样变性筛查策略的经济效率。研究假设为:每检测出一例淀粉样变性的成本会随疾病患病率的不同而大幅变化,并且在临床定义的高风险患者人群中低于未经选择的CTR人群。该数据集由已发表文献和公开可得的成本来源汇编而成。它包括CTR人群和高风险亚组中报告的淀粉样变性患病率估计值、手术操作和病理学成本估计值、从一组回顾性CTR手术系列中获得的 operative time 数据,以及针对门诊、日间手术中心和医院环境的 operating room 成本假设。衍生变量包括需活检人数(NNB),按患病率的倒数计算,以及每检测出一例淀粉样变性的成本。数据表明,每检测出一例的成本高度依赖于 underlying disease prevalence。
在普通腕管松解术人群中,每检出1例的成本显著更高,而在高危亚组中则明显更低,其需筛查人数接近1。这些发现提示,与腕管松解术中普遍活检相比,风险分层活检策略可能更具经济效率。该数据集可用于重现研究分析、评估替代患病率或成本假设的影响,并为未来手外科人群中淀粉样变性筛查策略的研究提供参考。各变量应被解释为源自已发表估计的模型输入和输出,而非患者层面的临床数据。
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。
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。




