湿疹样蕈样肉芽肿:对Dupilumab难治性特应性皮炎患者中发现的蕈样肉芽肿

该数据集包含湿疹样蕈样肉芽肿这一新定义皮肤疾病亚型的临床表格数据,主要记录了对Dupilumab难治性特应性皮炎患者中蕈样肉芽肿病例的湿疹面积与严重程度指数评分,数据模态为结构化临床评估表格,用于支持皮肤病诊断、疾病亚型分类及治疗反应研究,为皮肤科临床实践和科研提供量化依据。

Hyungdon KookHyungdon Kook
Mendeley Data
浏览 12
皮肤病诊断湿疹样蕈样肉芽肿
Mycosis Fungoides Found in Patients with Atopic Dermatitis Refractory to Dupilumab; Newly Defined 'Eczematous Mycosis Fungoides'

基本信息

大小
0.000013468 GB
创建/更新时间
2026-09-20
版本
v1

资源简介

湿疹样蕈样肉芽肿:对Dupilumab难治性特应性皮炎患者中发现的蕈样肉芽肿

【数据集背景】

本数据集源站标题为《Mycosis fungoides found in patients with atopic dermatitis refractory to dupilumab; newly defined “eczematous mycosis fungoides”》。源站首次发布:2023-04-13。

【数据内容】

源站原始描述:Supplementary table 1. Mean scores of individual components of eczema area severity index at initial

【数据结构与技术规格】

文件数 1 个,合计 13.47 KB。数据集 DOI:10.17632/757ptkbb34.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/757ptkbb34

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/757ptkbb34

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

该数据集聚焦于一种新定义的皮肤疾病亚型——湿疹样蕈样肉芽肿,主要收集了对Dupilumab治疗无效的特应性皮炎患者中发现的蕈样肉芽肿病例的临床数据。数据集包含补充表格1,记录了患者初次就诊时湿疹面积与严重程度指数各组成部分的平均评分,为临床评估提供了量化指标。数据来源于医学研究,通过Mendeley Data平台公开,旨在支持皮肤病诊断、疾病亚型识别及治疗反应研究,尤其适用于皮肤科医生、研究人员在蕈样肉芽肿与特应性皮炎交叉领域的分析应用。

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