不同人群中痤疮疤痕风险评估工具验证与适应试点研究结果表
痤疮疤痕风险评估工具（4-ASRAT）在不同人群中验证的试点研究结果表。
基本信息
资源简介
不同人群中痤疮疤痕风险评估工具验证与适应试点研究结果表
【一句话概览】
痤疮所致瘢痕在降低生活质量方面与痤疮负担相似，患者若接受适当且及时治疗可能避免。2017年，Tan等设计了四项条目的痤疮瘢痕风险评估工具（4-ASRAT），用于将痤疮患者分为瘢痕较低风险或较高风险。该工具在初始研究人群之外的适用性仍待确定（来源 DOI 解析）。
【数据集背景】
本数据集源站标题为《Table of Results from the pilot study of the validation and adaptation of a tool to estimate the risk of acne-induced scars in different populations》。源站首次发布：2020。
【数据内容】
源站原始描述：Acne-induced scarring is associated with a similar burden as acne in diminished quality of life and may be avoided if patients receive appropriate and timely acne treatment. In 2017, a four item-Acne-Scar Risk Assessment Tool (4-ASRAT) was designed by Tan et al. to categorise patients with acne into lower-risk or higher-risk for acne scarring. Its applicability outside the initial study population remains to be determined. This work presents the table of results for the pilot study
中文译文（机器翻译，仅供快速理解，请以原文为准）：痤疮所致瘢痕与痤疮一样，会造成相似的生活质量下降负担，并且如果患者接受适当且及时的痤疮治疗，则可能避免。2017年，Tan等人设计了一个四项痤疮瘢痕风险评估工具（4-ASRAT），用于将痤疮患者分为痤疮瘢痕低风险或高风险。其在初始研究人群之外的适用性仍有待确定。本研究报告了该试点研究的结果表。
【主题与分类】
主题标签：Medicine, Health and Life Sciences、acne、acne scars、acne scarring、acne scar prevention。
【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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/SYKMHJ
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/10.7910/DVN/SYKMHJ
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。
