特发性腿部抽筋与年龄关系研究:基层医疗患者腿部抽筋的预测因素

基层医疗患者数据,包含年龄、性别、BMI等变量,用于预测腿部抽筋的发生。

DataONE
2026-02-12 更新
浏览 23
表格MedicineHealth and Life Sciences
Replication Data for: Are idiopathic leg cramps really age-related leg cramps? Predictors of leg cramps in primary care patients

基本信息

模态
表格
大小
0.000002 GB
创建/更新时间
2026-02-12

资源简介

特发性腿部抽筋与年龄关系研究:基层医疗患者腿部抽筋的预测因素

【一句话概览】

本数据集是 DataONE 公开的结构化表格数据集,主题涵盖 Medicine, Health and Life Sciences,可用于统计建模、特征工程与队列分析。

【数据集背景】

本数据集源站标题为《Replication Data for: Are idiopathic leg cramps really age-related leg cramps? Predictors of leg cramps in primary care patients》。

【数据内容】

源站原始描述:Dataset includes variables that examine how age, gender, rurality (rural vs. urban), BMI, sedentarism, physical activity, chronic cardiometabolic health conditions, taking diuretics and/or albuterol, and overall health combine to predict the presence of leg cramps

中文译文(机器翻译,仅供快速理解,请以原文为准):数据集包含的变量考察了年龄、性别、城乡属性(农村与城市)、BMI、久坐行为、身体活动、慢性心血管代谢健康状况、服用利尿剂和/或沙丁胺醇,以及总体健康状况如何共同预测腿部抽筋的发生。

【主题与分类】

主题标签:Medicine, Health and Life Sciences。

【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://search.dataone.org/view/sha256:e8bfed3e4c3eb878aaa839131973d740bab8a9bbd325e01a3f3102308c22af2f

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://search.dataone.org/view/sha256:e8bfed3e4c3eb878aaa839131973d740bab8a9bbd325e01a3f3102308c22af2f

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 2.0 KB。

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。