补充图1：成人首次甲癣诊断的纳入和排除标准（Atropos Eos数据集，2020年至今）
展示Atropos Eos数据集中成人首次甲癣诊断的纳入排除标准，通过倾向评分匹配构建分析样本。
基本信息
资源简介
补充图1：成人首次甲癣诊断的纳入和排除标准（Atropos Eos数据集，2020年至今）
【一句话概览】
在 Atropos Eos 数据集（2020年至今）中，针对18岁以上、首次诊断甲真菌病的成人，源站补充图1展示了纳入排除标准。排除同时有远程医疗与面诊就诊或索引前病史不足90天者后，索引时纳入3905次就诊（面诊2808次、远程医疗1097次）。经随访不足等最少排除后，1096次远程医疗就诊与1096次面诊就诊按1:1倾向评分匹配，构成最终分析样本。文件1个，合计123.5 KB（来源 Mendeley Data）。
【数据集背景】
本数据集源站标题为《Supplementary Figure 1. Inclusion and exclusion criteria for adults (>18 years) with a first onychomycosis diagnosis identified in the Atropos Eos dataset (2020–present).》。源站首次发布：2025-11-25。
【数据内容】
源站原始描述：After excluding individuals with both telehealth and in-person visits or <90 days of pre-index history, 3,905 encounters (in-person = 2,808; telehealth = 1,097) were included at index. Following minimal exclusions for insufficient follow-up, 1,096 telehealth visits were propensity-score matched 1:1 to 1,096 in-person visits to create the final analytic sample
中文译文（机器翻译，仅供快速理解，请以原文为准）：在排除同时有远程医疗和面对面就诊的个体，或索引前病史不足90天的个体后，3,905次就诊（面对面=2,808；远程医疗=1,097）被纳入索引时分析。在对随访不足进行少量排除后，1,096次远程医疗就诊通过倾向评分按1:1匹配到1,096次面对面就诊，以形成最终分析样本。
【数据结构与技术规格】
文件数 1 个，合计 123.46 KB。数据集 DOI：10.17632/5mcx5rv2rp.1。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/5mcx5rv2rp
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/5mcx5rv2rp/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。
