治疗恶性雀斑样痣的患者决策辅助

面向恶性雀斑样痣患者的治疗决策辅助数据集,包含循证医学信息及患者个人考虑因素。

doi.orgdoi.org
doi.org
浏览 14
文本Decision Aid System
Patient Decision Aid for the Treatment of Lentigo Maligna

基本信息

模态
文本
大小
0.001039565 GB
创建/更新时间
2026-10-12

资源简介

治疗恶性雀斑样痣的患者决策辅助

【一句话概览】

本数据集是 DOI 解析 公开的文本数据集,主题涵盖 Decision Aid System,可用于医学自然语言处理(实体识别、信息抽取等)。

【数据集背景】

本数据集源站标题为《Patient Decision Aid for the Treatment of Lentigo Maligna》。源站首次发布:2020。

【数据内容】

源站原始描述:The Decision Aid for Lentigo Maligna was developed by members of the American Society for Dermatologic Surgery with iterative feedback from patients. It contains evidence-based information regarding LM and various treatment modalities, including surgery, imiquimod 5%, radiation, as well as active surveillance. Treatment-specific information includes treatment efficacy, advantages and adverse effects, expected follow up, and estimated associated costs. The “things I might consider in my decision”…

中文译文(机器翻译,仅供快速理解,请以原文为准):恶性雀斑样痣决策辅助工具由美国皮肤外科学会成员开发,并采纳了患者的迭代反馈。它包含关于LM及各种治疗方式的循证信息,包括手术、5%咪喹莫特、放疗以及主动监测。针对治疗的具体信息包括疗效、优点和不良反应、预期随访以及预估相关费用。该决策辅助工具中的“我可能在做决定时考虑的事项”部分包含有关生活方式、合并症、

【主题与分类】

主题标签:Decision Aid System。

【适用方向】

文本类数据可用于医学自然语言处理,如命名实体识别、信息抽取与文本分类。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/x63j6trjyf/1

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:http://doi.org/10.17632/x63j6trjyf.1

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