年龄、肥胖、性激素失衡:探索男性雄激素性脱发患者前额秃发的相关因素:一项412例的横断面研究
该数据集是一个包含412例男性雄激素性脱发患者临床信息的医学数据集,数据模态包括临床表格形式的患者年龄、体重指数、血清甘油三酯、血清睾酮等指标以及前额秃发严重程度评分,主要用于研究年龄、肥胖和性激素失衡等因素与男性前额秃发严重程度之间的关联,为脱发的病因学分析和临床风险因素评估提供实证研究基础。

基本信息
资源简介
年龄、肥胖、性激素失衡:探索男性雄激素性脱发患者前额秃发的相关因素:一项412例的横断面研究
【数据集背景】
本数据集源站标题为《Age, obesity, sex hormone imbalance: Exploring factors associated with frontal baldness in male androgenetic alopecia patients: A cross-sectional study of 412 cases》。源站首次发布:2023-06-06。
【数据内容】
源站原始描述:Multiple linear regression for severity of frontal baldness (F score) including age, body mass index (BMI), serum triglyceride, serum testosterone as covariates was performed. Old age (adjusted β, 0.028; 95% CI, 0.022-0.035; p-value, <0.001) and higher BMI (adjusted β, 0.027; 95% CI, 0.000-0.055; p-value, 0.050) were found to be associated with more severe frontal baldness in male androgenetic alopecia patients
【数据结构与技术规格】
文件数 1 个,合计 66.80 KB。数据集 DOI:10.17632/ptjbbgxnsk.1。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/ptjbbgxnsk
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/ptjbbgxnsk
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
该数据集是一项针对男性雄激素性脱发(AGA)患者的临床研究数据集,旨在探讨前额秃发严重程度与多种因素之间的关联。数据集包含了412例患者的临床信息,主要变量包括年龄、体重指数(BMI)、血清甘油三酯水平、血清睾酮水平以及使用F评分评估的前额秃发严重程度。研究采用多元线性回归分析方法,发现年龄增长(调整后β=0.028)和较高的BMI(调整后β=0.027)与更严重的前额秃发显著相关。该数据集来源于一项横断面临床研究,主要应用于脱发病因学、风险因素分析以及临床流行病学研究领域,为理解雄激素性脱发的病理生理机制提供实证数据支持。
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。




