利妥昔单抗在天疱疮超应答者与难治性患者中的特征与治疗结局：一项单中心回顾性研究
该数据集包含天疱疮患者接受利妥昔单抗治疗的临床表格数据，涵盖患者基线特征、治疗反应分组及单变量逻辑回归分析结果，主要用于评估利妥昔单抗在超应答者与难治性患者中的疗效差异，并探索影响治疗反应的相关因素，为自身免疫性皮肤病治疗策略优化提供研究支持。
基本信息
资源简介
利妥昔单抗在天疱疮超应答者与难治性患者中的特征与治疗结局：一项单中心回顾性研究
【数据集背景】
本数据集源站标题为《Characterization and treatment outcomes of rituximab therapy in super-responders and rituximab-refractory pemphigus patients: A single-center retrospective study》。源站首次发布：2025-12-05。
【数据内容】
源站原始描述：Supplementary Table 1 summarizes the baseline demographic and clinical characteristics of patients categorized into three response groups receiving rituximab. Supplementary Table 2 presents the univariable logistic regression analyses evaluating patient characteristics associated with super-responders compared with non–super-responders. Supplementary Table 3 contains the univariable logistic regression results identifying factors associated with rituximab-refractory pemphigus in comparison to no…
【数据结构与技术规格】
文件数 1 个，合计 56.73 KB。数据集 DOI：10.17632/nd6t3ptgk7.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/nd6t3ptgk7
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/nd6t3ptgk7/1
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
本数据集来源于一项单中心回顾性研究，旨在评估利妥昔单抗（rituximab）治疗天疱疮患者的疗效，重点关注超应答者和利妥昔单抗难治性患者的临床特征与治疗结局。数据集以表格形式呈现，包含患者基线人口统计学与临床特征、单变量逻辑回归分析结果，用于比较超应答者与非超应答者、难治性与非难治性患者之间的关联因素。数据来源于真实临床记录，主要应用于皮肤病学、自身免疫性疾病治疗评估，以及生物制剂疗效与耐药性研究方向。
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。
