免疫检查点抑制剂相关大疱性类天疱疮补充数据

该数据集包含2个补充表格,提供了与免疫检查点抑制剂治疗相关的大疱性类天疱疮病例的临床或实验数据,属于结构化表格数据模态,主要用于比较研究ICI相关BP与经典BP在临床表现、病理机制或治疗反应上的差异,支持肿瘤免疫治疗不良反应机制和自身免疫性皮肤病的学术探索。

Mendeley Data
浏览 29
Supplementary data for 'Immune Checkpoint Inhibitor-Associated Bullous Pemphigoid: A Distinct Disease Beyond Classic Bullous Pemphigoid'

基本信息

大小
0.000025839 GB
创建/更新时间
2026-09-21
版本
v1

资源简介

免疫检查点抑制剂相关大疱性类天疱疮补充数据

【数据集背景】

本数据集源站标题为《Supplementary data for "Immune Checkpoint Inhibitor-Associated Bullous Pemphigoid: A Distinct Disease Beyond Classic Bullous Pemphigoid"》。源站首次发布:2025-08-05。

【数据内容】

源站原始描述:Supplementary data for "Immune Checkpoint Inhibitor-Associated Bullous Pemphigoid: A Distinct Disease Beyond Classic Bullous Pemphigoid", including 2 supplementary tables

【数据结构与技术规格】

文件数 1 个,合计 25.84 KB。数据集 DOI:10.17632/sh9866z23v.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/sh9866z23v

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/sh9866z23v/1

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集是医学研究论文《免疫检查点抑制剂相关大疱性类天疱疮:一种超越经典大疱性类天疱疮的独特疾病》的补充材料,包含2个补充表格。数据集主要收录了与免疫检查点抑制剂(ICI)治疗相关的大疱性类天疱疮(BP)病例的临床或实验数据,用于支持原文中关于ICI相关BP与经典BP在临床特征、免疫机制或治疗反应方面差异性的研究结论。数据来源于临床病例收集或实验观察,主要应用于肿瘤免疫治疗不良反应、自身免疫性皮肤病机制、以及药物安全性评估等研究方向。

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。

获取专属数据定制方案