皮肤狼疮损伤与疾病亚型、系统受累及身体意象结局的前瞻性队列研究数据
该数据集来自 data.mendeley.com，为一项关于皮肤狼疮损伤的前瞻性队列研究的补充材料，包含补充方法、表格和图表
基本信息
资源简介
皮肤狼疮损伤与疾病亚型、系统受累及身体意象结局的前瞻性队列研究数据
Cutaneous lupus damage is negatively predicted by disease subtype and systemic involvement and is associated with worse outcomes in body image – A prospective cohort study
该数据集来自 data.mendeley.com，为一项关于皮肤狼疮损伤的前瞻性队列研究的补充材料，包含补充方法、表格和图表。补充方法涵盖参与者选择、临床与人口学测量、结局与预测变量及统计分析；补充图1展示患者随时间的参与情况；补充表1总结六个月内参与者治疗分布，补充表2总结基线与6个月后 CLASI-A 与 CLEQoL 评分的相关性。数据可用于研究疾病亚型与系统受累对皮肤狼疮损伤的预测作用，以及其与身体意象不良结局的关联（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2025-12-15。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含补充材料，包括补充方法、表格和图表。补充方法概述了参与者选择、临床和人口学测量、临床和人口学测量、结局和预测变量以及统计分析。补充图1描绘了患者随时间的参与情况。补充表1总结了参与者在六个月研究期间的治疗分布，补充表2总结了基线和6个月后 CLASI-A 与 CLEQoL 评分的相关性。
【数据结构与技术规格】
文件数 1 个，合计 64.14 KB。数据集 DOI：10.17632/nfb5wc3t9y.1。
【主题与分类】
主题标签：皮肤狼疮、皮肤与结缔组织疾病、CLASI-A、CLEQoL、前瞻性队列研究、身体意象、补充材料。本站分类：皮肤与结缔组织疾病/皮肤狼疮。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/nfb5wc3t9y
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/nfb5wc3t9y/1
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:
数据集大小约 64.1 KB。
数据说明
Tyler Cepica（2025）。皮肤型狼疮损伤可由疾病亚型和系统性受累负向预测，并与身体意象更差的结局相关——一项前瞻性队列研究[数据集]。http://doi.org/10.17632/nfb5wc3t9y.1
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
