老年社区获得性肺炎预后评分比较研究数据集
该数据集包含某三级医院急诊科349例65岁及以上社区获得性肺炎(CAP)老年患者的匿名临床与实验室数据,用于评估和比较PSI、CURB-65等临床评分系统以及GPS、mGPS、CAR等炎症/营养指标的预后效能

基本信息
资源简介
老年社区获得性肺炎预后评分比较研究数据集
Dataset used for geriatric CAP prognostic score comparison study
该数据集包含某三级医院急诊科349例65岁及以上社区获得性肺炎(CAP)老年患者的匿名临床与实验室数据,用于评估和比较PSI、CURB-65等临床评分系统以及GPS、mGPS、CAR等炎症/营养指标的预后效能。变量涵盖人口学特征、合并症(如痴呆、肿瘤、COPD)、生命体征、血气结果、炎症标志物及30天死亡率和ICU入住等临床结局,可支持ROC曲线比较、logistic回归建模和亚组评估等统计分析(来源 DOI 解析)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含某三级医院急诊科349例65岁及以上确诊社区获得性肺炎(CAP)老年患者的匿名临床与实验室数据。该数据集旨在评估和比较现有临床评分系统(PSI和CURB-65)以及基于炎症/营养的指标,包括格拉斯哥预后评分(GPS)、改良格拉斯哥预后评分(mGPS)和C反应蛋白与白蛋白比值(CAR)的预后效能。变量包括人口学特征、合并症(如痴呆、肿瘤、COPD)、生命体征、血气结果、炎症标志物以及30天死亡率和ICU入住等临床结局。该数据集支持包括ROC曲线比较、logistic回归建模和亚组评估在内的统计分析复现。
【主题与分类】
主题标签:Emergency Medicine、Geriatrics、Nutrition、Albumin、Mortality、Severity of Illness Scoring、Risk Stratification、Prognostic Factor、Community-Acquired Pneumonia、Acute Inflammation。本站分类:肿瘤。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/kbcjcdynf5
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://doi.org/10.17632/kbcjcdynf5
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据集大小约 94.2 KB。
数据说明
本数据集包含某三级医院急诊科收治的349例确诊为社区获得性肺炎(CAP)的老年患者(年龄≥65岁)的去标识化临床与实验室数据。该数据集旨在评估和比较已有临床评分系统(PSI和CURB-65)与基于炎症/营养的指标,包括格拉斯哥预后评分(GPS)、改良格拉斯哥预后评分(mGPS)和C反应蛋白与白蛋白比值(CAR)的预后性能。变量包括人口学特征、合并症(如痴呆、肿瘤、COPD)、生命体征、血气结果、炎症标志物以及临床结局,如30天死亡率和ICU入住。该数据集支持统计分析的复现,包括ROC曲线比较、逻辑回归建模和亚组评估。其旨在帮助研究人员验证和开发用于急诊环境中出现感染性呼吸系统疾病的老年患者的预后工具。
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。
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。




