宫颈黏液腺癌预后因素分析及列线图建立与验证：基于SEER的研究
研究通过单因素和多因素分析筛选独立预后因素，并采用LASSO回归识别潜在风险因素，最终构建了包含年龄、肿瘤大小和AJCC分期三个变量的OS列线图，开发队列与验证队列的c-index分别为0.794和0.831，校准曲线显示良好一致性
基本信息
资源简介
宫颈黏液腺癌预后因素分析及列线图建立与验证：基于SEER的研究
Analysis of prognostic factors for cervical mucinous adenocarcinoma and establishment and validation a nomogram: a SEER-based study
本数据集来自基于SEER数据库的宫颈黏液腺癌预后研究，包含4个文件（FigureS1.tif至FigureS4.tif），由Yiping Hao等作者于2022年12月8日发布，DOI为10.6084/m9.figshare.21696601.v1，配套论文发表于Journal of Obstetrics and Gynaecology。研究通过单因素和多因素分析筛选独立预后因素，并采用LASSO回归识别潜在风险因素，最终构建了包含年龄、肿瘤大小和AJCC分期三个变量的OS列线图，开发队列与验证队列的c-index分别为0.794和0.831，校准曲线显示良好一致性。该数据可用于宫颈黏液腺癌预后模型构建与验证研究（来源 figsha。
【数据集背景】
配套论文《Analysis of prognostic factors for cervical mucinous adenocarcinoma and establishment and validation a nomogram: a SEER-based study》发表于 Journal of Obstetrics and Gynaecology（2022），DOI：10.1080/01443615.2022.2153027。项目资助方：This work was supported as follows: Innovation and Development Joint Funds of Natural Science Foundation of Shandong Province (ZR2021LZL009) and Clinical Research Center of Shandong University (No.2020SDUCRCA007).。源站首次发布：2022-12-08。
【数据内容】
源站描述（机器翻译，仅供参考）：迄今为止，尚无关于宫颈黏液腺癌预后因素的相关研究。因此，我们探索了宫颈黏液腺癌的预后因素，并利用SEER数据库建立和验证了预后模型。我们通过单因素和多因素分析筛选独立因素。进行LASSO回归分析以识别潜在风险因素。结合LASSO和多因素分析，列线图纳入了三个变量，包括年龄、肿瘤大小和AJCC分期，用于OS。开发队列和验证队列的c-index分别为0.794和0.831，表明该预测模型在开发队列中显示出足够的区分能力。此外，校准曲线在开发队列以及验证队列中均显示出良好的一致性。我们构建了首个此类列线图以
【数据结构与技术规格】
文件数 4 个，合计 119.34 MB。数据集 DOI：10.6084/m9.figshare.21696601.v1。
【主题与分类】
源站学科分类：Genetics、Biotechnology、Biological Sciences not elsewhere classified、Mathematical Sciences not elsewhere classified、Cancer、Science Policy。主题标签：Nomogram、cervical mucinous adenocarcinoma、overall survival、SEER、prognosis。本站分类：肿瘤/宫颈癌。
【适用方向】
源站学科分类标注为 Genetics、Biotechnology、Biological Sciences not elsewhere classified、Mathematical Sciences not elsewhere classified、Cancer、Science Policy。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Analysis_of_prognostic_factors_for_cervical_mucinous_adenocarcinoma_and_establishment_and_validation_a_nomogram_a_SEER-based_study/21696601
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Analysis of prognostic factors for cervical mucinous adenocarcinoma and establishment and validation a nomogram: a SEER-based study. Taylor & Francis. Hao, Yiping; Liu, Qingqing; Li, Ruowen; Mao, Zhonghao; Jiang, Nan; Wang, Bingyu; et al
【使用注意】
· 源站最后修改于 2025-09-12，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
源站：https://doi.org/10.6084/m9.figshare.21696601.v1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 119.3 MB。
数据说明
迄今为止，尚无关于宫颈黏液腺癌预后因素的相关研究。因此，我们探讨了宫颈黏液腺癌的预后因素，并利用SEER数据库建立并验证了预后模型。我们通过单因素和多因素分析筛选出独立因素。采用LASSO回归分析识别潜在风险因素。结合LASSO和多因素分析，列线图纳入了三个变量，包括年龄、肿瘤大小和AJCC分期，用于预测总生存期（OS）。在开发队列和验证队列中，C指数分别为0.794和0.831，表明该预测模型在开发队列中具有良好的区分能力。此外，校准曲线在开发队列和验证队列中均显示出良好的一致性。我们构建了首个用于预测宫颈黏液腺癌OS的列线图，其表现优于AJCC和FIGO分期。宫颈黏液腺癌患者可能受益于使用该模型制定个体化治疗方案。影响声明 关于该主题已有哪些已知信息？
宫颈癌具有多种病理类型。每种类型的生物学行为不同，预后也差异很大。这项研究的结果补充了什么？我们分析并探讨了影响宫颈黏液腺癌预后的相关因素。这些发现对临床实践和/或进一步研究有何意义？通过分析SEER数据集，确定了影响宫颈黏液腺癌的预后因素，并创建了首个预测模型来预测预后，以帮助医生制定个体化治疗方案和随访计划。关于这一主题，目前已知什么？宫颈癌具有多种病理类型。每种类型的生物学行为不同，预后也差异很大。
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。
