化脓性汗腺炎患者基于人群的死亡率数据集

该数据集整理了化脓性汗腺炎患者基于人群的死亡率数据,包含临床研究文献中提取的统计图表和表格等多模态信息,主要用于系统评价和荟萃分析,以量化HS患者的死亡风险、识别相关危险因素,并为改善患者预后和临床管理提供循证依据。

McMaster University Michael G DeGroote School of MedicineMcMaster University Michael G DeGroote School of Medicine
Mendeley Data
2024-03-27 更新
浏览 32
皮肤病死亡率研究
Population-based mortality in Hidradenitis Suppurativa

基本信息

大小
0.000596563 GB
创建/更新时间
2024-03-27
版本
v1

资源简介

化脓性汗腺炎患者基于人群的死亡率数据集

【数据集背景】

本数据集源站标题为《Population-based mortality in Hidradenitis Suppurativa》。源站首次发布:2023-09-15。

【数据内容】

源站原始描述:To systematically quantify the magnitude of mortality risk in patients with Hidradenitis Suppurativa (HS) and identify characteristics associated with mortality among patients with HS, a PRISMA flow diagram, Funnel plot, Forest plot and two tables were created as supplemental figures to be auxiliary to our systematic review and meta-analysis

【数据结构与技术规格】

文件数 5 个,合计 596.56 KB。数据集 DOI:10.17632/8jc6hdgv5h.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/8jc6hdgv5h

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/8jc6hdgv5h

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

该数据集系统量化了化脓性汗腺炎(HS)患者的死亡风险程度,并识别了与HS患者死亡率相关的特征。数据集包含PRISMA流程图、漏斗图、森林图和两个表格作为辅助图表,支持对HS患者死亡率的系统评价和荟萃分析研究。数据来源于相关临床研究文献的整理与分析,主要用于评估HS患者的预后风险、识别高危因素,并为临床决策和公共卫生政策制定提供依据。

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。

获取专属数据定制方案