MohsAIQ国家数据注册表补充材料
美国Mohs手术病例国家注册表的补充调查表格数据集，涵盖患者、手术、肿瘤、重建及并发症等结构化信息。
基本信息
资源简介
MohsAIQ国家数据注册表补充材料
【一句话概览】
本数据集是 Mendeley Data 公开的结构化表格数据集，收录 3 个文件、合计 65.39 KB，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《The Mohs Advancing and Improving Quality (MohsAIQ) National Data Registry: A New Database of Mohs Surgery Cases Performed in the United States - Supplemental Material》。源站首次发布：2026-01-15。
【数据内容】
源站原始描述：Supplemental Table 1: MohsAIQ survey questions pertaining to patient, surgeon, and practice Supplemental Table 2: MohsAIQ survey questions pertaining to patient details on the day of surgery Supplemental Table 3: MohsAIQ survey questions pertaining to tumor characteristics Supplemental Table 4: MohsAIQ survey questions pertaining to Mohs surgery Supplemental Table 5: MohsAIQ survey questions pertaining to reconstruction Supplemental Table 6: MohsAIQ survey questions pertaining to post-operative…
中文译文（机器翻译，仅供快速理解，请以原文为准）：补充表1：MohsAIQ调查中关于患者、外科医生和执业情况的问题 补充表2：MohsAIQ调查中关于手术当日患者详细信息的问题 补充表3：MohsAIQ调查中关于肿瘤特征的问题 补充表4：MohsAIQ调查中关于Mohs手术的问题 补充表5：MohsAIQ调查中关于重建的问题 补充表6：MohsAIQ调查中关于术后并发症的问题 补充附录A：MohsAIQ数据发布工作组成员 补充附录B：克利夫兰计算生物学研究所团队成员
【数据结构与技术规格】
文件数 3 个，合计 65.39 KB。数据集 DOI：10.17632/xrtb34fpt2.2。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/xrtb34fpt2
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/xrtb34fpt2
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。
