比较天疱疮联合疗法与单药治疗的回顾性队列研究

该数据集包含天疱疮(寻常型和落叶型)患者接受单药或联合治疗的回顾性临床数据,以表格和图表形式呈现,涉及治疗剂使用、疗效评估等临床表格模态信息,主要用于比较单模态与多模态疗法在临床实践中的效果,为天疱疮治疗策略优化、药物疗效分析和临床研究提供数据支持。

Mendeley Data
浏览 38
天疱疮治疗临床疗效比较
Comparing combination and single-agent therapy for the treatment of pemphigus: a retrospective cohort study

基本信息

大小
0.000248299 GB
创建/更新时间
2026-09-21
版本
v2

资源简介

比较天疱疮联合疗法与单药治疗的回顾性队列研究

【数据集背景】

本数据集源站标题为《Comparing combination and single-agent therapy for the treatment of pemphigus: a retrospective cohort study》。源站首次发布:2025-04-09。

【数据内容】

源站原始描述:Supplementary data (figure and tables) to the reterospective cohort study: - Address issues in clinical practice – Mono vs multi-modal therapy is given in terms of multiple therapeutic agents in pemphigus vulgaris and foliaceous

【数据结构与技术规格】

文件数 1 个,合计 248.30 KB。数据集 DOI:10.17632/3dngby9nhx.2。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/3dngby9nhx

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/3dngby9nhx

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

该数据集为一项回顾性队列研究的补充数据,包含图表和表格,聚焦于天疱疮的治疗方案比较。数据涵盖天疱疮(寻常型和落叶型)患者接受单药或多药联合治疗(即单模态与多模态疗法)的临床信息,涉及治疗剂选择、疗效评估等内容,数据来源于临床实践记录。该数据集主要用于评估不同治疗策略在临床实践中的效果,支持天疱疮治疗优化、药物疗效比较及临床决策研究。

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