银屑病与细颗粒物关联数据集

该数据集为环境流行病学研究数据,主要包含临床表格形式的银屑病发病率信息、参与者基线特征以及PM2.5和PM10长期暴露的关联分析结果,数据模态包括结构化表格和流程图,主要用于研究空气污染物与银屑病发病风险之间的相关性,支持环境健康与皮肤病学领域的分析。

Mendeley Data
浏览 47
环境流行病学银屑病环境风险
Psoriasis and PM

基本信息

大小
0.000061017 GB
创建/更新时间
2026-09-21
版本
v3

资源简介

银屑病与细颗粒物关联数据集

【数据集背景】

本数据集源站标题为《Psoriasis and PM》。源站首次发布:2025-11-26。

【数据内容】

源站原始描述:Supplementary Figure 1. Flow chart. Supplementary Table 1. Definition of comorbidities Supplementary Table 2. Baseline characteristics of study participants in psoriasis incidence Supplementary Table 3. Associations between PM2.5 long-term exposure with 15μg/m3 as cut off and incidence of psoriasis Supplementary Table 4. Associations between PM10 long-term exposure with 50μg/m3 as cut off and incidence of psoriasis

【数据结构与技术规格】

文件数 1 个,合计 61.02 KB。数据集 DOI:10.17632/4y33k5c7bc.3。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/4y33k5c7bc

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/4y33k5c7bc

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

该数据集来自一项环境流行病学研究,主要探讨长期暴露于PM2.5和PM10等细颗粒物与银屑病(牛皮癣)发病风险之间的关联。数据内容包括研究参与者的基线特征、合并症定义、不同颗粒物浓度阈值下的发病率统计结果,以及相关的流程图。数据集以表格形式呈现,来源于Mendeley Data平台,适用于环境健康、皮肤病学、公共卫生等领域的研究,可用于分析空气污染对慢性炎症性疾病的影响。

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