补充图1:2000-2017年SEER和TCR数据库中儿童蕈样肉芽肿年发病率的综合模型

该数据集整合了SEER和TCR数据库的临床流行病学数据,主要包含2000年至2017年间儿童人群中蕈样肉芽肿(一种罕见的皮肤T细胞淋巴瘤)的年发病率统计,以时间序列表格形式呈现;数据主要用于分析罕见癌症的流行病学趋势、评估疾病负担以及支持公共卫生和肿瘤学研究。

Joanne JacobJoanne Jacob
Mendeley Data
浏览 32
蕈样肉芽肿流行病学儿童癌症发病率
Supplemental Figure 1. Combined Model of Annual Incidence Rates of Mycosis Fungoides in the Pediatric Population from SEER and TCR Databases, 2000-2017

基本信息

大小
0.000169222 GB
创建/更新时间
2026-09-21
版本
v1

资源简介

补充图1:2000-2017年SEER和TCR数据库中儿童蕈样肉芽肿年发病率的综合模型

【数据集背景】

本数据集源站标题为《Supplemental Figure 1. Combined Model of Annual Incidence Rates in the SEER and TCR Databases from 2000-2017》。源站首次发布:2022-03-01。

【数据内容】

源站原始描述:Combined data from the SEER and TCR databases demonstrates an increase in the annual incidence rate of mycosis fungoides in the pediatric population over the study period

【数据结构与技术规格】

文件数 1 个,合计 169.22 KB。数据集 DOI:10.17632/z3v2ftfdbp.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/z3v2ftfdbp

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/z3v2ftfdbp

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

该数据集整合了美国SEER(监测、流行病学和最终结果)数据库与TCR(肿瘤登记中心)数据库的数据,旨在分析2000年至2017年间儿童人群中蕈样肉芽肿(一种罕见的皮肤T细胞淋巴瘤)的年发病率变化趋势。数据集包含时间序列的发病率统计,展示了儿童蕈样肉芽肿发病率在研究期间的增长情况,为研究罕见癌症的流行病学模式、评估疾病负担以及制定公共卫生干预措施提供了关键数据支持。

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