MGFA I-III级重症肌无力患者恶化风险预测列线图数据集
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维度信息，通过回顾性分析构建了用于预测疾病恶化风险的列线图模型，主要应用于重症肌无力的风险分层、早期干预策略制定以及个性化医疗决策支持研究，为临床医生提供量化工具以识别高风险患者并优化治疗管理。
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
该数据集是一个用于预测重症肌无力（MG）患者疾病恶化风险的临床研究数据集。数据集包含437名MGFA I-III级重症肌无力患者的回顾性临床数据，收集时间为2019年12月至2024年9月。数据内容包括患者的社会人口学特征、临床变量（如年龄、MGFA分级、胸腺切除史、寒战、疲劳、情绪障碍等）以及疾病恶化状态。通过单变量分析、LASSO回归和多变量逻辑回归等方法识别预测因子，并构建了预测列线图模型。该模型在训练集（n=305）和验证集（n=132）中均表现出良好的区分度（AUC：0.82-0.83）和校准能力。主要研究方向为重症肌无力的风险分层、早期预测模型开发以及个性化医疗决策支持。
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。
