BATOA队列研究补充材料：老年基底细胞癌患者手术负担、结局及总生存率的预测因素
该数据集为老年基底细胞癌（BCC）患者临床研究的补充材料，包含表格、问卷及图表等多种模态的临床数据，具体涉及患者纳入流程、治疗负担评估、美容结果、并发症详细说明及生存分析的多变量回归步骤结果，主要用于分析手术负担、临床结局与总生存率的预测因素，支持肿瘤治疗、老年医学及预后研究。
基本信息
资源简介
BATOA队列研究补充材料：老年基底细胞癌患者手术负担、结局及总生存率的预测因素
【数据集背景】
本数据集源站标题为《Supplementary Materials "Predictors of surgical treatment burden, outcomes and overall survival in older adults with basal cell carcinoma: results from the prospective, multicenter BATOA cohort"》。源站首次发布：2021-06-29。
【数据内容】
源站原始描述：Supplementary Materials for: van Winden MEC, Bronkhorst EM, Visch MB, Krekels GAM, van der Geer S, Damen GWJA, Amir A, Aben KKH, Gerritsen MJP, van de Kerkhof PCM, de Jong EMGJ, Lubeek SFK. Predictors of surgical treatment burden, outcomes and overall survival in older adults with basal cell carcinoma: results from the prospective, multicenter BATOA cohort. Supplemental Fig 1. Flow-chart of the inclusion Supplemental Fig 2. The questionnaire used to evaluate treatment burden and cosmetic result…
【数据结构与技术规格】
文件数 1 个，合计 284.68 KB。数据集 DOI：10.17632/bhwfs7xc9x.2。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/bhwfs7xc9x
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/bhwfs7xc9x
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
该数据集是前瞻性、多中心BATOA队列研究的补充材料，聚焦于老年基底细胞癌（BCC）患者。数据集包含临床研究中的补充图表与表格，具体涵盖：患者纳入流程图、治疗负担与美容效果评估问卷、治疗负担结果图、美容结果图、并发症详细说明表、不同肿瘤部位并发症分布表，以及多变量分析（Cox回归）中用于生存率关联研究的逐步降维步骤结果。数据来源于临床队列研究，主要用于分析老年BCC患者的手术治疗负担、临床结局及总生存率的预测因素，支持肿瘤学、老年医学及临床决策研究。
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。
