患者特征

资源简介

患者特征

【一句话概览】

本数据集是 figshare 公开的结构化表格数据集，收录 1 个文件、合计 9.73 KB，主题涵盖 localized breast cancer、early breast cancer、decision support tool、inform clinical decisions、surgery treatment schemes，可用于统计建模、特征工程与队列分析，CC BY 4.0 许可开放获取。

【数据集背景】

本数据集源站标题为《Patient characteristics.》。源站首次发布：2023-08-24。

【数据内容】

源站原始描述：Guidelines for the management of elderly patients with early breast cancer are scarce. Additional adjuvant systemic treatment to surgery for early breast cancer in elderly populations is challenged by increasing comorbidities with age. In non-metastatic settings, treatment decisions are often made under considerable uncertainty; this commonly leads to undertreatment and, consequently, poorer outcomes. This study aimed to develop a decision support tool that can help to identify candidate adjuvan…

中文译文（机器翻译，仅供快速理解，请以原文为准）：早期乳腺癌老年患者的管理指南较为缺乏。在老年人群中，早期乳腺癌手术之外的辅助全身治疗因年龄增长伴随的合并症增加而面临挑战。在非转移性情况下，治疗决策常在相当大的不确定性下做出；这通常导致治疗不足，并由此导致更差的结局。本研究旨在开发一种决策支持工具，可基于肿瘤和患者特征，帮助识别老年乳腺癌患者术后候选辅助治疗方案。我们的方法是生成不同行动方案下的患者结局预测；这些预测反过来可用于为新患者的临床决策提供信息。我们使用一个接受以治愈为目的手术的早期乳腺癌老年患者（≥70岁）队列来训练模型。我们使用5折交叉验证测试了七种分类算法，随机选择80%的数据用于训练，其余20%用于测试。我们使用准确率、精确率、召回率、F1分数和AUC分数评估模型性能。我们在分类前使用自编码器进行降维。与我们所测试的其他模型相比，我们观察到逻辑回归和线性判别分析模型的表现始终更好。使用自编码器时，分类性能总体改善，但在预测辅助治疗需求时除外。在预测辅助治疗需求时，使用未进行自编码的逻辑回归模型获得了总体最佳结果（F1分数 = 0.869）。

【数据结构与技术规格】

文件数 1 个，合计 9.73 KB。Table 1.xls：application/vnd.ms-excel，9.73 KB。数据集 DOI：10.1371/journal.pone.0290566.t001。

【主题与分类】

源站学科分类：Medicine、Genetics、Environmental Sciences not elsewhere classified、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。主题标签：localized breast cancer、early breast cancer、decision support tool、inform clinical decisions、surgery treatment schemes、treatment decisions、adjuvant treatment、underwent surgery、study aimed、remaining 20。

【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://plos.figshare.com/articles/dataset/Patient_characteristics_/24028949

使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。

规范引用：Fleck, Julia L.; Hooijenga, Daniëlle; Phan, Raksmey; Xie, Xiaolan; Augusto, Vincent; Heudel, Pierre-Etienne (2023). Patient characteristics.. PLOS ONE. Dataset