糖尿病神经病变感觉表型PiNS数据
糖尿病神经病变感觉表型PiNS数据 是真实公开或可申请访问的数据资源，包含表格数据、标签、临床变量或实验测量。该数据集适合糖尿病周围神经病变相关的糖尿病神经病变筛查、QST感觉表型、足部感觉异常、步态肌电变化和住院并发症风险建模，可用于模型训练、特征分析、基准复现和跨队列验证。
基本信息
资源简介
糖尿病神经病变感觉表型PiNS数据
【一句话概览】
《Pain in Neuropathy Study》是一项观察性横断面多中心研究，纳入191例糖尿病周围神经病变（DPN）患者，旨在描述伴与不伴神经病理性疼痛（NeuP）患者的感觉表型，评估NeuP筛查工具，并探讨DPN严重程度与NeuP的关系。受试者接受神经系统检查、定量感觉测试、神经传导研究及皮肤活检以评估表皮内神经纤维（来源 OmicsDI）。
【数据内容】
源站原始描述：Disabling neuropathic pain (NeuP) is a common sequel of diabetic peripheral neuropathy (DPN). We aimed to characterise the sensory phenotype of patients with and without NeuP, assess screening tools for NeuP, and relate DPN severity to NeuP. The Pain in Neuropathy Study (PiNS) is an observational cross-sectional multicentre study. A total of 191 patients with DPN underwent neurological examination, quantitative sensory testing, nerve conduction studies, and skin biopsy for intraepidermal nerve f
中文译文（机器翻译，仅供快速理解，请以原文为准）：致残性神经病理性疼痛（NeuP）是糖尿病周围神经病变（DPN）常见的后遗症。我们的目标是描述伴有和不伴有NeuP患者的感觉表型特征，评估NeuP的筛查工具，并将DPN的严重程度与NeuP相关联。神经病变疼痛研究（PiNS）是一项观察性横断面多中心研究。共有191名DPN患者接受了神经系统检查、定量感觉测试、神经传导研究以及皮肤活检以评估表皮内神经纤维。
【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://www.omicsdi.org/dataset/biostudies-other/S-EPMC4834814
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://www.omicsdi.org/dataset/biostudies-other/S-EPMC4834814
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:
数据说明
糖尿病神经病变感觉表型PiNS数据 包含疼痛性和无痛性糖尿病神经病变患者 QST、临床量表和感觉表型数据，适合糖尿病周围神经病变相关的糖尿病神经病变筛查、QST感觉表型、足部感觉异常、步态肌电变化和住院并发症风险建模。
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。
