治疗个性化策略：改善多发性硬化症疾病结局
多发性硬化症患者的遗传、临床和治疗数据，用于分析治疗个性化策略以改善疾病结局。
基本信息
资源简介
治疗个性化策略：改善多发性硬化症疾病结局
【一句话概览】
本数据集是 figshare 公开的结构化表格数据集，主题涵盖 multiple sclerosis，可用于统计建模、特征工程与队列分析，In Copyright 许可开放获取。
【数据集背景】
本数据集源站标题为《Treatment personalisation strategies: improving disease outcomes in multiple sclerosis》。源站首次发布：2023-12-13。
【数据内容】
源站原始描述：Multiple sclerosis (MS) is an autoimmune demyelinating condition of the central nervous system with a highly variable prognosis. A range of disease-modifying therapies can be used to reduce disease activity, but success differs between therapy and between individuals. Delay to effective therapy results in greater risk of disability accumulation, and more accurate approaches to prognostication and use of therapies are needed. This thesis includes analyses using genetic data, integrated with clini…
中文译文（机器翻译，仅供快速理解，请以原文为准）：多发性硬化（MS）是一种中枢神经系统自身免疫性脱髓鞘疾病，其预后差异很大。多种疾病修正疗法可用于降低疾病活动度，但不同疗法之间以及不同个体之间的疗效存在差异。延迟接受有效治疗会导致残疾累积风险增加，因此需要更准确的预后评估方法和治疗应用策略。本论文包含利用遗传数据的分析，并结合来自全球MSBase Registry的临床和治疗数据。研究探讨了MS患者之间的差异，尤其是在使用选定疾病修正疗法及其反应方面的差异。
【数据结构与技术规格】
数据集 DOI：10.26180/24803121.v1。
【主题与分类】
源站学科分类：Neurology and neuromuscular diseases。主题标签：multiple sclerosis。
【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://bridges.monash.edu/articles/thesis/Treatment_personalisation_strategies_improving_disease_outcomes_in_multiple_sclerosis/24803121
使用许可：In Copyright（http://rightsstatements.org/vocab/InC/1.0/）。
规范引用：ZHONG, MICHAEL LING XIAO (2023). Treatment personalisation strategies: improving disease outcomes in multiple sclerosis. Monash University. Thesis
【使用注意】
· 源站最后修改于 2026-09-24，引用时请注意版本时效。
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。
暂未开放有偿下载
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
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。
