宫颈癌患者治疗前系统性血液免疫指标预后意义meta分析与meta回归数据集描述性统计

数据集获取

源站：https://doi.org/10.17632/4wkkypb3x4

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 12.8 KB。

数据说明

我们实施了定量荟萃分析和时间序列荟萃回归分析，以确定系统性血液免疫学指标，如中性粒细胞与淋巴细胞比值（NLR）、血小板与淋巴细胞比值（PLR）、淋巴细胞与单核细胞比值（LMR）、血栓细胞与淋巴细胞比值（TLR）以及C反应蛋白/白蛋白比值（CAR），是否与宫颈碰撞癌风险增加有关。荟萃分析采用随机效应模型，使用Review Manager软件（Revman 5.3版）进行。在各观察性研究中比较了总生存期（OS）、无病生存期（DFS）和无进展生存期（PFS）数据。所有数据均以风险比（HRs）和95%置信区间（CIs）表示，并采用方差倒数法计算。逻辑荟萃回归分析显示了系统性血液免疫学指标与宫颈碰撞癌风险之间的新关联，强调了该分析的有效性和准确性。同样，宫颈碰撞癌的风险还受到年龄和患者数量等其他参数的显著影响。

该数据集可能对医学肿瘤学家、医师科学家及相关科学界有用，以便在宫颈癌患者中将肿瘤血液免疫学指标作为有前景的预测性生物标志物加以应用。这可能最终有助于改进治疗计划策略。本文中用于生成所有项目的代码包含在名为“DIBcode.R”的文件中。用于生成本文中所有数据集的全部代码均可在补充文件和R数据集包中获取。

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。