“大疱性表皮松解症瘙痒症的临床表现与治疗效果”补充材料
该数据集以表格形式提供了关于罕见皮肤病大疱性表皮松解症瘙痒症的临床数据，具体包括患者临床特征表、一线系统性治疗结果表以及一线局部治疗结果表，涵盖了临床表格数据模态，主要用于皮肤病学研究领域，以分析该疾病的临床表现、评估不同治疗方案（包括口服药物和外用药物）的疗效，为临床实践和科研提供详实的循证支持。
基本信息
资源简介
“大疱性表皮松解症瘙痒症的临床表现与治疗效果”补充材料
【一句话概览】
该资料为“痒疹样大疱性表皮松解症临床表现及治疗结局”一文的补充材料，共含3个文件，合计48.9 KB。内容包括三张补充表格：表一为痒疹样大疱性表皮松解症的临床表现，表二为用于该病的一线系统性治疗结局，表三为用于该病的一线局部治疗结局（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《Supplementary Materials for "Clinical manifestations and treatments outcomes in epidermolysis bullosa pruriginosa"》。源站首次发布：2024-06-14。
【数据内容】
源站原始描述：Supplementary Table I: Clinical presentations of epidermolysis bullosa pruriginosa Supplementary Table II: Outcomes of first-line systemic treatments used for epidermolysis bullosa pruriginosa Supplementary Table III: Outcome of first-line topical treatments used for epidermolysis bullosa pruriginosa
中文译文（机器翻译，仅供快速理解，请以原文为准）：补充表I：痒疹型大疱性表皮松解症的临床表现 补充表II：用于痒疹型大疱性表皮松解症的一线全身治疗结果 补充表III：用于痒疹型大疱性表皮松解症的一线局部治疗结果
【数据结构与技术规格】
文件数 3 个，合计 48.87 KB。数据集 DOI：10.17632/hk74s5ymmp.2。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/hk74s5ymmp
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/hk74s5ymmp
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《大疱性表皮松解症瘙痒症的临床表现与治疗效果》研究论文的补充材料，聚焦于一种遗传性大疱性表皮松解症的亚型——大疱性表皮松解症瘙痒症。数据集以表格形式呈现，包含三张核心表格：表I汇总了患者的临床特征，如表皮损伤分布、症状表现等；表II记录了针对该疾病一线系统性治疗（如口服药物）的疗效结果；表III则展示了一线局部治疗（如外用药膏）的疗效数据。数据来源于临床研究，旨在支持皮肤病学领域的科研人员分析该罕见病的临床表现模式，评估不同治疗方案的短期与长期效果，为临床决策和后续研究提供循证依据。
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。
