初级保健中COPD急性加重死亡率预测因子：EXAGGERATE临床预测规则推导数据集
包含西班牙初级保健中COPD急性加重患者短期死亡风险预测的临床数据，用于推导EXAGGERATE预测规则。
基本信息
资源简介
初级保健中COPD急性加重死亡率预测因子：EXAGGERATE临床预测规则推导数据集
【一句话概览】
本数据集是 Mendeley Data 公开的结构化表格数据集，收录 1 个文件、合计 98.51 KB，可用于统计建模、特征工程与队列分析。
【数据集背景】
本数据集源站标题为《Predictors for mortality due to exacerbation of COPD in primary care: the EXAGGERATE clinical prediction rule derivation dataset》。源站首次发布：2019-09-11。
【数据内容】
源站原始描述：Research hypothesis: Past medical history, symptoms and signs in a person who suffers an acute exacerbation of COPD (AECOPD) that is treated in primary care (PC) allows for predicting if they will die in the short term. Methods: Between December 2013 and November 2014, we studied people aged 40 and over seen for AECOPD in 148 health centres in Spain. Demographic variables, past medical history and signs and symptoms of the patients were collected. A logistic regression model for mortality from a…
中文译文（机器翻译，仅供快速理解，请以原文为准）：研究假设：对于在初级保健（PC）中接受治疗的慢性阻塞性肺疾病急性加重（AECOPD）患者，其既往病史、症状和体征可用于预测其是否会在短期内死亡。方法：2013年12月至2014年11月期间，我们研究了西班牙148家健康中心因AECOPD就诊的40岁及以上人群。收集了患者的人口学变量、既往病史以及体征和症状。建立了一个用于预测末次PC就诊后30天全因死亡率的logistic回归模型。结果：分析共纳入1696例AECOPD。随访期间有17例患者（1%）死亡。根据过去12个月内发生的急性加重次数、年龄和心率，推导出一条临床预测规则，其受试者工作特征曲线下面积为0.792（95%置信区间，0.692-0.891），且校准良好。该规则将患者分为三个风险类别，并提示
【数据结构与技术规格】
文件数 1 个，合计 98.51 KB。数据集 DOI：10.17632/3868pbf375.2。
【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://data.mendeley.com/datasets/3868pbf375
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://data.mendeley.com/datasets/3868pbf375/2
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。
