AAD成人特应性皮炎光疗和系统治疗管理指南
AAD关于成人特应性皮炎光疗和系统治疗管理的循证指南，采用系统综述和GRADE方法形成推荐。
基本信息
资源简介
AAD成人特应性皮炎光疗和系统治疗管理指南
【一句话概览】
AAD发布成人特应性皮炎光疗与系统治疗管理指南，针对局部治疗难治的患者，可考虑光疗和系统治疗；自2014年以来，多种生物制剂和JAK抑制剂已获批用于治疗特应性皮炎。本指南更新2014年相关建议，旨在为成人特应性皮炎的光疗和系统治疗提供循证建议。方法为多学科工作组开展系统综述，并应用GRADE方法评估证据确定性、制定和分级建议。文件数1，合计大小829.6 KB（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《AAD Guidelines of care for the management of atopic dermatitis in adults with phototherapy & systemic therapies》。源站首次发布：2023-09-03。
【数据内容】
源站原始描述：Background: For people with atopic dermatitis (AD) refractory to topical therapies, treatment with phototherapy and systemic therapies can be considered. Multiple biologic therapies and Janus kinase (JAK)inhibitors have been approved since 2014 to treat AD. These guidelines update the 2014 recommendations for management of AD with phototherapy and systemic therapies. Objective: To provide evidence-based recommendations on the use of phototherapy and systemic therapies for AD in adults. Methods:…
中文译文（机器翻译，仅供快速理解，请以原文为准）：背景：对于局部治疗难治的特应性皮炎（AD）患者，可考虑采用光疗和系统治疗。自2014年以来，已有多种生物制剂和Janus激酶（JAK）抑制剂获批用于治疗AD。本指南更新了2014年关于使用光疗和系统治疗管理AD的推荐意见。目的：为成人AD患者使用光疗和系统治疗提供循证推荐。方法：一个多学科工作组开展了系统评价，并应用GRADE方法评估证据确定性以及制定推荐意见并对其进行分级。
【数据结构与技术规格】
文件数 1 个，合计 829.56 KB。数据集 DOI：10.17632/s72kbfrfcv.1。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/s72kbfrfcv
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/s72kbfrfcv
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。
