食管癌术后吻合口漏风险因素与个体化模型数据集

数据集获取

源站：https://doi.org/10.17632/wvcmwmww8y

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

该数据集包含125例因癌症接受食管切除术患者的去标识化临床记录。数据收集旨在研究与吻合口漏（AL）相关的危险因素，吻合口漏是一种严重的术后并发症。数据概览：时间范围：2019年1月至2024年7月；样本量：125例患者；结局变量：主要结局为吻合口漏（AL）的发生情况，在第一列中标注（1 = 是，0 = 否）。

纳入变量：该数据集包含28个围手术期变量的全面集合，可分类如下：人口学特征：年龄、性别生活方式因素：吸烟史、饮酒史合并症与术前状况：糖尿病、高血压、术前白蛋白（PrA）手术细节：手术时间（OT）、失血量（Blood）、手术方式（MP、TL等）术后指标：术后白蛋白、术后肺部感染（PN）及其他并发症（MI、RF、CX）实验室值：肌酐（Cr）、尿酸（UA）肿瘤特征：病理分期（Stage）、淋巴结清扫数目（Numbers）用途：该数据集适用于开发和验证旨在预测食管癌术后AL个体风险的机器学习或统计模型。它 intended 用于外科肿瘤学和临床风险预测的学术研究。使用说明：数据已匿名化，可直接用于分析。列标题使用缩写名称；每个变量的详细定义请参考相关手稿（如有）或下方列表。

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。