基于关系异构图神经网络的肌少症动态预测模型数据集

基于CHARLS的肌少症相关临床与行为习惯数据,清洗整合后用于关系异构图神经网络动态预测与早期预警。

NIAID Data Ecosystem
浏览 20
表格肌少症表格数据
Dynamic Prediction Model Based on Relational Heterogeneous Graph Neural Networks

基本信息

模态
表格
大小
0.002608316 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

基于关系异构图神经网络的肌少症动态预测模型数据集

【一句话概览】

该数据集标题为《Dynamic Prediction Model Based on Relational Heterogeneous Graph Neural Networks》,数据主要来自中国健康与养老追踪研究网站。围绕与肌少症相关的临床和行为习惯因素,经清洗与整合后获得最终干净数据,并据此构建基于图神经网络的肌少症动态预测模型,以实现肌少症早期预警。数据集包含10个文件,合计大小2.6 MB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Dynamic Prediction Model Based on Relational Heterogeneous Graph Neural Networks》。源站首次发布:2025-09-29。

【数据内容】

源站原始描述:The data was mainly obtained from the website of China Health and Retirement Longitudinal Study. Regarding the clinical and behavioral habit factors related to sarcopenia, after cleaning and integration, the final clean data was obtained. Using these data, a dynamic prediction model for sarcopenia based on graph neural networks was constructed to achieve early warning of sarcopenia

中文译文(机器翻译,仅供快速理解,请以原文为准):数据主要获取自中国健康与养老追踪调查(China Health and Retirement Longitudinal Study)网站。针对与肌少症相关的临床和行为习惯因素,经过清洗和整合后,获得了最终清洗后的数据。利用这些数据,构建了基于图神经网络的肌少症动态预测模型,以实现对肌少症的早期预警。

【数据结构与技术规格】

文件数 10 个,合计 2.61 MB。数据集 DOI:10.17632/8vvb2s9y5c.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/8vvb2s9y5c

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://data.mendeley.com/datasets/8vvb2s9y5c

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))

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。