蕈样肉芽肿与Sézary综合征的种族差异:一项多中心队列研究

该数据集为一项多中心队列研究的临床表格数据,聚焦于皮肤T细胞淋巴瘤的两种亚型——蕈样肉芽肿和Sézary综合征,通过收集患者基线分期特征、生存分析结果及生存曲线,系统探讨了不同种族患者在疾病表现和预后方面的差异,主要用于皮肤肿瘤流行病学、预后因素分析和健康差异研究,为临床实践和公共卫生政策提供证据支持。

Mendeley Data
浏览 35
皮肤T细胞淋巴瘤临床生存分析
Racial Differences in Mycosis Fungoides and Sézary Syndrome: A Multicenter Cohort Study

基本信息

大小
0.000487558 GB
创建/更新时间
2026-09-21
版本
v1

资源简介

蕈样肉芽肿与Sézary综合征的种族差异:一项多中心队列研究

【数据集背景】

本数据集源站标题为《Racial Differences in Mycosis Fungoides and Sézary Syndrome: A Multicenter Cohort Study》。源站首次发布:2025-09-16。

【数据内容】

源站原始描述:Supplemental files: Table S1. Baseline Staging Characteristics by Racial Group Table S2. Univariate Survival Analysis by Baseline Staging Characteristics Table S3. Multivariate Survival Analysis Figure S1. Overall Survival by TNMB Stage Figure S2. Overall Survival by Race Age < 60

【数据结构与技术规格】

文件数 5 个,合计 487.56 KB。数据集 DOI:10.17632/5n49n6nts9.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/5n49n6nts9

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/5n49n6nts9

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

该数据集来源于一项多中心队列研究,旨在探讨蕈样肉芽肿(Mycosis Fungoides)和Sézary综合征(Sézary Syndrome)这两种皮肤T细胞淋巴瘤亚型在不同种族患者中的临床特征与生存差异。数据集包含基线分期特征、单变量及多变量生存分析结果,以及按TNMB分期和种族/年龄分层的总体生存曲线。数据以临床表格形式呈现,主要研究方向为皮肤肿瘤流行病学、预后因素分析及健康差异研究,可用于支持临床决策和卫生政策制定。

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