壶腹癌切除术后疾病特异性生存预测的多变量Cox分析数据集
该数据集是一个包含壶腹癌(AoV)切除术后患者临床病理特征与生存结局的临床表格型数据集,通过多变量Cox回归分析识别影响疾病特异性生存的预后因素,主要用于肿瘤预后建模、生存分析算法验证及个体化临床预后评估研究。

基本信息
资源简介
壶腹癌切除术后疾病特异性生存预测的多变量Cox分析数据集
【数据集背景】
本数据集源站标题为《Multivariate Cox analysis for predicting the disease-specific survival in resected AoV cancer.》。配套论文《Preoperative prognostic nutritional index as an independent prognostic factor for resected ampulla of Vater cancer》发表于 PLOS ONE(2020),DOI:10.1371/journal.pone.0229597。源站首次发布:2020-03-03。
【数据内容】
源站原始描述:Multivariate Cox analysis for predicting the disease-specific survival in resected AoV cancer
【数据结构与技术规格】
文件数 1 个,合计 5.63 KB。Table 3.xls:application/vnd.ms-excel,5.63 KB。数据集 DOI:10.1371/journal.pone.0229597.t003。
【主题与分类】
源站学科分类:Medicine、Cell Biology、Biotechnology、Immunology、Mathematical Sciences not elsewhere classified、Cancer。主题标签:5- year disease-specific survival probability、Long-term oncological outcomes、prognostic factor、multivariate Cox analysis、resected AoV cancer、disease-specific survival、resected ampulla、preoperative PNI、CA、Vater cancer Introduction Prognostic。
【适用方向】
源站学科分类标注为 Medicine、Cell Biology、Biotechnology、Immunology、Mathematical Sciences not elsewhere classified、Cancer。
【获取与许可】
源站页面:https://plos.figshare.com/articles/dataset/Multivariate_Cox_analysis_for_predicting_the_disease-specific_survival_in_resected_AoV_cancer_/11928804
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:Yoo, Young Jin; Kang, Chang Moo; Choi, Munseok; Rho, Seung Yoon; Hwang, Ho Kyung; Lee, Woo Jung; et al. (2020). Multivariate Cox analysis for predicting the disease-specific survival in resected AoV cancer.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-05-31,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
本数据集是一个用于壶腹癌(Ampullary cancer,AoV)术后生存预测的医学研究数据集。数据集包含接受壶腹癌切除术患者的临床病理特征与随访数据,通过多变量Cox比例风险回归分析,识别影响疾病特异性生存(DSS)的独立预后因素。数据来源于临床回顾性研究,包含患者人口学信息、肿瘤病理特征、治疗方式及生存结局等结构化变量。该数据集主要用于肿瘤预后建模、生存分析算法验证以及个体化预后评估研究,为壶腹癌的临床决策提供数据支持。
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。




