美国SEER登记库中皮肤原发性T细胞淋巴瘤和伯基特淋巴瘤患者败血症死亡风险增加的补充材料
该数据集包含美国SEER癌症登记库中关于皮肤原发性T细胞淋巴瘤和伯基特淋巴瘤患者败血症死亡风险的流行病学研究的补充材料，数据模态包括研究流程图和详细的临床统计表格，主要用途是支持癌症流行病学研究，分析特定淋巴瘤亚型患者中败血症死亡风险的种族差异、临床特征及疾病亚型分布，为公共卫生政策和临床风险管理提供数据依据。
基本信息
资源简介
美国SEER登记库中皮肤原发性T细胞淋巴瘤和伯基特淋巴瘤患者败血症死亡风险增加的补充材料
【数据集背景】
本数据集源站标题为《Supplemental Materials for "Increased risk of sepsis-caused death in Black patients with primary cutaneous T-cell lymphoma and Burkitt lymphoma: A population study of the US SEER registry》。源站首次发布：2023-08-22。
【数据内容】
源站原始描述：Supplemental Figure 1. Flowchart of the study. Results of univariate comparison analyses between sepsis deaths and non-sepsis deaths among CTCL patients or between CTCL sepsis deaths and non-CTCL NHL sepsis deaths were shown in Table 1. SEER, Surveillance, Epidemiology, and End Results; NHL, non-Hodgkin lymphoma; ICD-O, International Classification of Diseases for Oncology; CTCL, cutaneous T-cell lymphoma; MF, Mycosis fungoides; PC-ALCL, Primary cutaneous anaplastic large cell lymphoma; SS, Seza…
【数据结构与技术规格】
文件数 2 个，合计 506.39 KB。数据集 DOI：10.17632/bf934g5cdm.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/bf934g5cdm
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/bf934g5cdm
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
该数据集是一项关于美国SEER（监测、流行病学和最终结果）登记库中皮肤原发性T细胞淋巴瘤（CTCL）和伯基特淋巴瘤患者败血症死亡风险的流行病学研究的补充材料。数据集包含研究流程图（Supplemental Figure 1）和详细的患者统计表（Supplemental Table 1），其中记录了非霍奇金淋巴瘤（NHL）各亚型（不包括皮肤原发性T细胞淋巴瘤）的患者数量和败血症致死病例的详细数据。数据来源于美国SEER癌症登记库，采用国际疾病分类肿瘤学编码（ICD-O）进行疾病分类。该数据集主要用于癌症流行病学研究，特别是分析特定淋巴瘤亚型患者中败血症死亡风险的种族差异和临床特征。
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。
