906例附件肿块手术患者卵巢恶性预测因素的单因素与多因素logistic回归分析
该数据集来自 PLOS ONE 2017 年发表的一项研究，包含 906 例接受附件肿块手术切除患者的单因素与多因素 logistic 回归分析结果，用于识别卵巢恶性肿瘤的预测因素
基本信息
资源简介
906例附件肿块手术患者卵巢恶性预测因素的单因素与多因素logistic回归分析
Predictive factors for ovarian malignancy in uni- and multivariate logistic regression analyses of 906 patients who underwent surgical removal of their adnexal masses.
该数据集来自 PLOS ONE 2017 年发表的一项研究，包含 906 例接受附件肿块手术切除患者的单因素与多因素 logistic 回归分析结果，用于识别卵巢恶性肿瘤的预测因素。数据以表格形式提供，涉及 plasma fibrinogen、CA、AUC、DCA 等指标，可支持卵巢癌预测模型的构建与验证、决策曲线分析以及相关临床研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
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】
源站描述（机器翻译，仅供参考）：对906例接受附件肿块手术切除患者进行的单因素和多因素logistic回归分析中卵巢恶性肿瘤的预测因素。
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。数据集 DOI：10.1371/journal.pone.0182383.t003。
【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。本站分类：肿瘤/附件肿瘤与肿块。
【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/Predictive_factors_for_ovarian_malignancy_in_uni-_and_multivariate_logistic_regression_analyses_of_906_patients_who_underwent_surgical_removal_of_their_adnexal_masses_/5344285
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). Predictive factors for ovarian malignancy in uni- and multivariate logistic regression analyses of 906 patients who underwent surgical removal of their adnexal masses.. PLOS ON…
【使用注意】
· 源站最后修改于 2023-06-04，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）
- 源站标题：Predictive factors for ovarian malignancy in uni- and multivariate logistic regression analyses of 906 patients who underwent surgical removal of their adnexal masses.
- DOI：10.1371/journal.pone.0182383.t003
- 发布日期：2017-08-24
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Predictive_factors_for_ovarian_malignancy_in_uni-_and_multivariate_logistic_regression_analyses_of_906_patients_who_underwent_surgical_removal_of_their_adnexal_masses_/5344285
命令行下载
curl -L -o "Table 3.xls" "https://ndownloader.figshare.com/files/9179425"
文件清单
Table 3.xls（5.63 KB）
文件总体积 5.63 KB（源站 API 实测）。
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。
数据说明
906例接受附件肿块手术切除患者的单因素和多因素逻辑回归分析中卵巢恶性肿瘤的预测因素。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0182383.t003（source: https://plos.figshare.com/articles/dataset/Predictive_factors_for_ovarian_malignancy_in_uni-_and_multivariate_logistic_regression_analyses_of_906_patients_who_underwent_surgical_removal_of_their_adnexal_masses_/5344285）。
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。
