帕金森病STN DBS个体预测模型开发数据集
该数据集来自DataverseNL，用于开发区分帕金森病患者对丘脑底核脑深部电刺激（STN DBS）反应强弱的预测模型。结局分类基于UPDRS II、III和IV改善情况的整体评估，以临床术前变量作为逻辑回归预测模型的预测因子
基本信息
资源简介
帕金森病STN DBS个体预测模型开发数据集
该数据集名为“Development Individual STN DBS prediction model for PD”，来自DataverseNL，属于神经系统疾病/帕金森病分类，于2020年发布，来源站为doi.org。其核心用途是开发一个能够区分帕金森病患者对丘脑底核脑深部电刺激（STN DBS）反应强弱的预测模型。结局分类采用整体评估方法，依据UPDRS II、III和IV的改善情况进行划分；模型以临床术前变量作为预测因子，构建逻辑回归预测模型。数据集描述的是一个用于模型开发的单中心队列，并通过交叉验证进行验证。作者为Habets, Jeroen、Janssen, Marcus和Herff, Christian，主题标签涵盖医学、健康与生命科学，以及帕金森病、脑深部刺激、丘脑底核和预测建模等内容。
【数据集背景】
帕金森病是一种常见的神经系统疾病，丘脑底核脑深部电刺激（STN DBS）是改善患者运动症状的重要治疗手段之一。然而，不同患者对该治疗的响应程度存在差异，如何在术前识别可能获得较强或较弱响应的患者，是临床决策中的关键问题。该数据集正是围绕这一需求而建立，旨在支持开发一个个体化的预测模型，用于区分帕金森病患者对STN DBS反应的强与弱。模型开发采用逻辑回归方法，以临床术前变量作为预测因子，结局分类则基于UPDRS II、III和IV改善情况的整体评估，而非单一维度指标。
【数据内容】
该数据集描述的是一个单中心队列，该队列用于开发上述预测模型。数据内容涉及帕金森病患者在接受STN DBS治疗前的临床变量，这些变量作为逻辑回归预测模型中的预测因子。结局分类依据UPDRS II、III和IV的改善情况进行整体评估，从而将患者区分为反应强弱两类。关于数据集的具体样本量、变量数量、变量名称、数据类型、文件格式及目录结构等信息，源站未提供。
【采集与来源】
数据集来源于DataverseNL，来源站为doi.org，发布时间为2020年。作者包括Habets, Jeroen、Janssen, Marcus和Herff, Christian。数据描述的是一个单中心队列，用于预测模型的开发，并通过交叉验证进行验证。关于数据采集的具体时间范围、采集机构、采集流程、纳入与排除标准以及伦理审批等信息，源站未提供。
【适用场景】
该数据集适用于帕金森病与脑深部刺激相关的研究场景，尤其是围绕STN DBS术后反应强弱的术前预测建模。其结局定义基于UPDRS II、III和IV改善情况的整体评估，预测因子为临床术前变量，模型形式为逻辑回归，因此可用于开发或复现区分反应强弱的预测模型，并支持交叉验证式的模型评估。主题标签中的预测建模、丘脑底核和脑深部刺激也反映了其潜在应用方向。关于该数据集在其他具体研究或临床场景中的适用性，源站未提供。
【使用方法】
根据源站描述，该数据集用于开发一个以临床术前变量为预测因子的逻辑回归预测模型，结局分类基于UPDRS II、III和IV改善情况的整体评估，并通过交叉验证对模型进行验证。关于数据的具体使用步骤、预处理要求、软件环境、代码示例、变量编码说明及模型参数设置等信息，源站未提供。
【质量与限制】
该数据集描述的是单中心队列，模型开发与验证采用交叉验证方式。关于样本量、缺失值情况、数据完整性、标注一致性、偏倚控制以及外部验证情况等质量与限制信息，源站未提供。
【引用与许可】
作者为Habets, Jeroen、Janssen, Marcus和Herff, Christian，机构为DataverseNL，来源站为doi.org，发布时间为2020年。关于该数据集的具体引用格式、许可协议、使用条款及数据访问权限等信息，源站未提供。
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://doi.org/10.34894/FUTGYT
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:
数据说明
开发一个能够区分强反应和弱反应的预测模型。结局分类基于使用UPDRS II、III和IV改善情况的整体方法。临床术前变量作为逻辑回归预测模型中的预测因子。该数据集描述了用于开发模型的单中心队列，并通过交叉验证进行验证。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
