MGFA I-III级重症肌无力患者恶化风险预测列线图模型的开发与验证数据集
该数据集包含437名MGFA I-III级重症肌无力患者的临床表格数据，涵盖社会人口学特征、临床变量及疾病恶化状态等多模态信息，通过回顾性分析识别出年龄、MGFA分级等六个关键预测因子，主要用于开发和验证预测疾病恶化风险的列线图模型，以支持重症肌无力的风险分层、早期干预和个性化医疗决策。
基本信息
资源简介
MGFA I-III级重症肌无力患者恶化风险预测列线图模型的开发与验证数据集
【数据集背景】
本数据集源站标题为《Predicting worsening risk in MGFA class I, II and III myasthenia gravis patients: development and validation of a predictive nomogram》。配套论文《Predicting worsening risk in MGFA class I, II and III myasthenia gravis patients: development and validation of a predictive nomogram》发表于 Expert Review of Clinical Immunology（2025），DOI：10.1080/1744666X.2025.2494653。项目资助方：This research was supported by Innovation Fund of China Academy of Chinese Medical Sciences [grant number: CI2021A01309], High Level Chinese Medical Hospital Promotion Project [grant number: HLCMHPP2023089], Capital Health Development Research Fund [grant number: 2024-2-7121].。源站首次发布：2025-04-30。
【数据内容】
源站原始描述：Myasthenia gravis (MG), a neuromuscular junction autoimmune disorder, causes skeletal muscle weakness. MG worsening frequently occurs during the disease course, severely impairing quality of life and elevating myasthenic crisis risk. Existing predictive models remain scarce. This study developed a predictive model for MG worsening to facilitate early risk stratification and personalized care. Retrospective analysis included 437 the Myasthenia Gravis Foundation of America (MGFA) class I – III mya…
【数据结构与技术规格】
文件数 3 个，合计 101.60 KB。ierm_a_2494653_sm3602.pdf：application/pdf，37.54 KB。ierm_a_2494653_sm3601.pdf：application/pdf，53.01 KB。ierm_a_2494653_sm3600.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，11.05 KB。数据集 DOI：10.6084/m9.figshare.28900948.v2。
【主题与分类】
源站学科分类：Medicine、Pharmacology、Biological Sciences not elsewhere classified、Mathematical Sciences not elsewhere classified、Mental Health。主题标签：Myasthenia gravis、nomogram、predictive model、risk factors、worsening。
【适用方向】
源站学科分类标注为 Medicine、Pharmacology、Biological Sciences not elsewhere classified、Mathematical Sciences not elsewhere classified、Mental Health。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Predicting_worsening_risk_in_MGFA_ClassI_IIandIII_myasthenia_gravis_patients_development_and_validation_of_a_predictive_nomogram/28900948
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Predicting worsening risk in MGFA class I, II and III myasthenia gravis patients: development and validation of a predictive nomogram. Taylor & Francis. Pang, Seoyeong; Du, Yanyuan; Peng, Siyang; Meng, Linghao; Xiong, Anni; Zhu, Wenzeng
【使用注意】
· 源站最后修改于 2025-07-15，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。
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集是一个针对MGFA（美国重症肌无力基金会）I-III级重症肌无力患者的临床研究数据集，旨在开发和验证预测疾病恶化风险的列线图模型。数据集包含2019年12月至2024年9月期间收集的437名患者的回顾性临床资料，涵盖社会人口学特征、临床变量及疾病恶化状态等信息。通过单因素分析、LASSO回归和多因素逻辑回归等方法识别出年龄、MGFA分级、胸腺切除史、寒战、疲劳和情绪障碍等六个关键预测因子。数据集分为训练集（305例）和验证集（132例），用于构建和评估预测模型的区分度（训练集AUC 0.82，验证集AUC 0.83）、校准度及临床实用性。该数据集主要用于重症肌无力的风险分层、早期干预和个性化医疗研究。
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。
