皮脂腺癌总生存期相关因素的多变量Cox比例风险模型(以TTDS为月份)

该数据集是一个临床表格数据,包含皮脂腺癌患者的多变量Cox比例风险模型结果,以探究与总生存期相关的因素,其中TTDS(至确定性手术的时间)以月份为单位;数据模态为临床表格,主要用于癌症生存分析和皮脂腺癌的预后研究,支持医学统计和肿瘤学领域的应用。

Mendeley Data
浏览 37
癌症生存分析皮脂腺癌预后
Multivariable Cox Proportional Hazards Model of Factors Associated with Overall Survival in Sebaceous Carcinoma with TTDS as Months

基本信息

大小
0.000015465 GB
创建/更新时间
2026-09-20
版本
v3

资源简介

皮脂腺癌总生存期相关因素的多变量Cox比例风险模型(以TTDS为月份)

【数据集背景】

本数据集源站标题为《Supplemental Table 1. Multivariable Cox proportional hazards model of factors associated with overall survival in Sebaceous Carcinoma with TTDS as months》。源站首次发布:2025-12-15。

【数据内容】

源站原始描述:Multivariable Cox proportional hazards model of factors associated with overall survival in Sebaceous Carcinoma with TTDS (Time to Definitive Surgery) as months

【数据结构与技术规格】

文件数 1 个,合计 15.46 KB。数据集 DOI:10.17632/66xz3yx582.3。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/66xz3yx582

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/66xz3yx582/3

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

该数据集是一个公开的临床研究数据集,专注于皮脂腺癌(Sebaceous Carcinoma)患者的预后分析。它包含多变量Cox比例风险模型的结果,用于探究与总生存期相关的临床因素,其中关键变量TTDS(Time to Definitive Surgery,即至确定性手术的时间)以月份为单位。数据来源于医学研究,可能包括患者人口统计学、治疗时间、生存状态等临床表格信息。主要研究方向为癌症生存分析和皮脂腺癌的预后评估,适用于医学统计、临床决策支持及肿瘤学研究领域。

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