多发性硬化症首次诊断前医疗诊断的系统评估：补充材料
多发性硬化症确诊前五年内疾病和症状的索赔数据（ICD-10编码），用于病例对照研究。
基本信息
资源简介
多发性硬化症首次诊断前医疗诊断的系统评估：补充材料
【数据集背景】
本数据集源站标题为《A systematic assessment of medical diagnoses preceding the first diagnosis of multiple sclerosis: Supplementary materials》。
【数据内容】
源站原始描述：Objective : To explore the occurrence of diseases and symptoms in the five years prior to diagnosis in patients with multiple sclerosis (MS) in a case-control study. Methods : Using ambulatory claims data we systematically assessed differences in the occurrence of diseases and symptoms in the five years prior to first diagnosis in patients with MS (n=10,262) as compared to patients with two other autoimmune diseases – Crohn’s disease (n=15,502) and psoriasis (n=98,432) - and individuals without…
中文译文（机器翻译，仅供快速理解，请以原文为准）：目的：在病例对照研究中探讨多发性硬化（MS）患者确诊前五年内疾病和症状的发生情况。方法：利用门诊理赔数据，我们系统评估了MS患者（n=10,262）在首次确诊前五年内疾病和症状的发生情况，并与另外两种自身免疫性疾病患者——克罗恩病（n=15,502）和银屑病（n=98,432）——以及无这些疾病的个体（n=73,430）进行比较。结果：与无自身免疫性疾病的对照相比，MS患者确诊前有43个ICD-10编码被记录得更频繁。许多这些发现在与其他对照组比较时得到证实。这些ICD-10编码中有很高比例代表提示脱髓鞘事件或其他神经系统诊断的症状。在排除首次确诊前已有此类记录的患者的敏感性分析中，没有任何关联仍然显著。7个ICD-10编码与MS较低的比值比相关，其中4个代表上呼吸道感染。在此，与MS的关系在敏感性分析中甚至更为明显。结论：我们的分析提示，MS患者常常并非在首次脱髓鞘事件时被诊断，而往往是在数年之后才被诊断。MS诊断前的症状和就医经历似乎与已经正在进行的
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.63xsj3v1r。
【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://doi.org/10.5061/dryad.63xsj3v1r
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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://datadryad.org/dataset/doi:10.5061/dryad.63xsj3v1r
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。
