林奇综合征相关子宫内膜癌前病变频率

该数据集包含从子宫内膜增生组织标本中收集的临床表格数据(如年龄、种族、BMI等)和免疫组织化学检测结果(针对MLH1、PMS2、MSH2、MSH6基因),用于研究子宫内膜癌前病变与林奇综合征的关联,主要应用于遗传性肿瘤筛查和子宫内膜癌早期诊断方向。

Eav LimEav Lim
Mendeley Data
浏览 16
遗传性肿瘤筛查子宫内膜癌前病变
Frequency of Endometrial Cancer Precursors Associated with Lynch Syndrome

基本信息

大小
0.000019062 GB
创建/更新时间
2026-09-20
版本
v1

资源简介

林奇综合征相关子宫内膜癌前病变频率

【数据集背景】

本数据集源站标题为《Frequency of endometrial cancer precursors associated with Lynch Syndrome》。源站首次发布:2023-04-26。

【数据内容】

源站原始描述:This is an observational Cohort study. Tissue specimens obtained that have been labeled with the diagnosis of endometrial hyperplasia will be identified and their chart reviewed for demographic date of age, race, BMI, and co-morbidities. The specimen will then be tested via IHC for MLH1, PMS2, MSH2, or MSH 6 genes to determine the presence of microsatellite instability indicative of Lynch Syndrome. The numbers will then be statistically analyzed and compared to that of the incidence of Lynch syn…

【数据结构与技术规格】

文件数 1 个,合计 19.06 KB。数据集 DOI:10.17632/jv6xrtrwd2.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/jv6xrtrwd2

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://data.mendeley.com/datasets/jv6xrtrwd2

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。

数据说明

该数据集是一项观察性队列研究,旨在探究子宫内膜增生病变与林奇综合征之间的关联。数据集包含了从诊断为子宫内膜增生的组织标本中收集的信息,涵盖患者年龄、种族、BMI及合并症等人口统计学数据。通过免疫组织化学(IHC)方法检测标本中MLH1、PMS2、MSH2或MSH6基因的表达,以确定是否存在微卫星不稳定性,从而识别林奇综合征。数据经过统计分析,并与林奇综合征相关子宫内膜癌的发病率进行比较,以评估两者之间的关联性。该数据集主要用于遗传性肿瘤筛查、子宫内膜癌前病变研究,以及林奇综合征的早期诊断和风险评估。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案