缺血性卒中院内死亡预后模型（基于印度尼西亚电子健康记录队列）
包含3479例缺血性卒中患者的电子健康记录，用于构建院内死亡预后模型。
基本信息
资源简介
缺血性卒中院内死亡预后模型（基于印度尼西亚电子健康记录队列）
【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 2 个文件、合计 13.68 MB，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《Data for: Prognostic Model of In-hospital Ischemic Stroke Mortality Based on an Electronic Health Record Cohort in Indonesia》。源站首次发布：2022-06-06。
【数据内容】
源站原始描述：Background: Stroke patients rarely have satisfactory survival, which worsens further if comorbidities develop in such patients. Limited data availability from South-east Asia countries, especially Indonesia, has impeded the disentanglement of post-stroke mortality determinants. This study aimed to investigate predictors of in-hospital mortality in patients with ischemic stroke (IS). Methods: This retrospective observational study used IS medical records from the National Brain Centre Hospital, J…
中文译文（机器翻译，仅供快速理解，请以原文为准）：背景：脑卒中患者的生存率往往不尽如人意，若此类患者再发生合并症，生存率将进一步恶化。东南亚国家（尤其是印度尼西亚）可用数据有限，阻碍了脑卒中后死亡决定因素的阐明。本研究旨在探讨缺血性脑卒中（IS）患者院内死亡的预测因素。方法：本回顾性观察性研究使用了印度尼西亚雅加达国家脑中心医院的IS病历。通过控制年龄和性别，建立了一个理论驱动的逻辑回归模型，以计算各可能危险因素预测脑卒中后死亡的优势比。结果：本研究纳入3，479例IS患者，其中999例（28.72%）患有心血管疾病，421例（12.1%）患有肾脏疾病，511例（14.69%）言语不清。双变量探索性分析显示，脑卒中后死亡患者的甘油三酯、低密度脂蛋白和总胆固醇血液水平较低。脑卒中后死亡患者的平均年龄为64 ± 12岁，平均体重指数（BMI）为24 ± 3.5 kg/m²，格拉斯哥昏迷量表（GCS）评分中位数为12 ± 5。心血管疾病比肾脏疾病更常见（28.72% vs. 12.1%），二者均导致死亡风险增加4.5倍。合并症，如心血管疾病（优势比[OR]=2.66，95%置信区间[CI]：1.82–3.91）和肾脏疾病（OR=2.63，95% CI：1.77–3.89），导致脑卒中后死亡的优势比更高。然而，导致死亡优势比降低的因素是BMI（OR=0.94，95% CI：0.89–0.99）和GCS（OR=0.67，95% CI：0.67–0.72）。结论：在控制年龄和性别后，我们的研究报告称，心血管疾病、肾脏疾病、入院时的BMI和GCS是IS患者院内死亡的有力预测因素。关键词：缺血性脑卒中；心血管疾病；肾脏疾病；BMI；GCS和预后模型
【数据结构与技术规格】
文件数 2 个，合计 13.68 MB。数据集 DOI：10.17632/rvhbhyht2s.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/rvhbhyht2s
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/rvhbhyht2s
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。
