附件肿块患者卵巢癌预测列线图的净收益数据
本数据集提供了针对附件肿块患者卵巢癌预测列线图的净收益临床数据,数据模态为临床表格,包含基于“识别卵巢癌将导致手术”假设的模型效用评估信息,主要用于妇科肿瘤风险预测模型的临床验证、决策支持工具开发及卵巢癌早期筛查策略优化等研究方向。

基本信息
资源简介
附件肿块患者卵巢癌预测列线图的净收益数据
【数据集背景】
本数据集源站标题为《Net benefits for the nomogram to predict ovarian cancer in patients with adnexal masses.》。配套论文《Development of a tool for prediction of ovarian cancer in patients with adnexal masses: Value of plasma fibrinogen》发表于 PLOS ONE(2017),DOI:10.1371/journal.pone.0182383。源站首次发布:2017-08-24。
【数据内容】
源站原始描述:Assumption was made that the identification of ovarian cancer would lead to surgery
【数据结构与技术规格】
文件数 1 个,合计 5.63 KB。Table 4.xls:application/vnd.ms-excel,5.63 KB。数据集 DOI:10.1371/journal.pone.0182383.t004。
【主题与分类】
源站学科分类:Molecular Biology、Biotechnology、Ecology、Mathematical Sciences not elsewhere classified、Developmental Biology、Cancer。主题标签:plasma fibrinogen Objective、DCA、plasma fibrinogen、benefit、adnexal masses、Results Ovarian cancer、presence、pre-operative plasma fibrinogen levels、CI、CA。
【适用方向】
源站学科分类标注为 Molecular Biology、Biotechnology、Ecology、Mathematical Sciences not elsewhere classified、Developmental Biology、Cancer。
【获取与许可】
源站页面:https://plos.figshare.com/articles/dataset/Net_benefits_for_the_nomogram_to_predict_ovarian_cancer_in_patients_with_adnexal_masses_/5344303
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Seebacher, Veronika; Aust, Stefanie; D’Andrea, David; Grimm, Christoph; Reiser, Elisabeth; Tiringer, Denise; et al. (2017). Net benefits for the nomogram to predict ovarian cancer in patients with adnexal masses.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-03,引用时请注意版本时效。
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(Figshare)
按页面 Download 按钮获取。
数据说明
该数据集包含了用于评估预测卵巢癌列线图(nomogram)临床净收益的数据,主要面向附件肿块患者群体。数据基于一个关键假设构建:识别出卵巢癌将导致手术治疗。数据集内容涉及预测模型的临床效用分析,可用于妇科肿瘤风险评估、临床决策支持工具开发等研究方向,帮助医生在附件肿块管理中进行更精准的卵巢癌风险分层。
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。




