皮肤癌治疗成本效益研究补充材料

皮肤癌治疗成本效益范围综述的补充表格和图表数据。

Mendeley Data
浏览 12
表格皮肤癌成本效益分析
Supplemental Material for JAAD Article "A Scoping Review of Cost and Cost-Effectiveness Studies for Skin Cancer Treatments"

基本信息

模态
表格
大小
0.000142459 GB
创建/更新时间
2026-10-07
版本
v1

资源简介

皮肤癌治疗成本效益研究补充材料

【一句话概览】

该文件为 JAAD 文章“A Scoping Review of Cost and Cost-Effectiveness Studies for Skin Cancer Treatments”的补充材料,包含补充表1:识别研究的检索词;补充表2:纳入研究的数据来源;补充表3:纳入研究的其他特征;补充图1:CONSORT 流程图。文件数为1,文件合计大小142.5 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Supplemental Material for JAAD Article "A Scoping Review of Cost and Cost-Effectiveness Studies for Skin Cancer Treatments"》。源站首次发布:2025-11-07。

【数据内容】

源站原始描述:The file contains: Supplemental Table 1. Search Terms to Identify Studies. Supplemental Table 2. Data Sources of Included Studies. Supplemental Table 3. Additional Characteristics of Included Studies. Supplemental Figure 1. CONSORT Diagram

中文译文(机器翻译,仅供快速理解,请以原文为准):文件包含:补充表1. 用于识别研究的检索词。补充表2. 纳入研究的数据来源。补充表3. 纳入研究的其他特征。补充图1. CONSORT流程图。

【数据结构与技术规格】

文件数 1 个,合计 142.46 KB。数据集 DOI:10.17632/5wb4v8mkcp.1。

【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/5wb4v8mkcp

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/5wb4v8mkcp

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