严重皮肤不良反应快速诊断中冰冻切片组织病理学准确性数据
该数据集来自 data.mendeley.com，配套一项关于冰冻切片组织病理学在严重皮肤不良反应（SCARs）快速诊断中准确性的系统综述与 meta 分析
基本信息
资源简介
严重皮肤不良反应快速诊断中冰冻切片组织病理学准确性数据
The accuracy of frozen section histopathology in the rapid diagnosis of severe cutaneous adverse reactions: A systematic review and meta-analysis
该数据集来自 data.mendeley.com，配套一项关于冰冻切片组织病理学在严重皮肤不良反应（SCARs）快速诊断中准确性的系统综述与 meta 分析。数据覆盖以史蒂文斯-约翰逊综合征/中毒性表皮坏死松解症（SJS/TEN）为重点的诊断准确性研究，包含 3 项研究、134 例患者，合并敏感度 0.91、特异度 0.90。文件包括 R 分析脚本与列联表数据，可用于复现 meta 分析、评估冰冻切片相对石蜡切片的诊断性能，并支持诊断准确性方法学教学与二次研究（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-05-05。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：冰冻切片分析可实现快速诊断，但其在严重皮肤不良反应（SCARs）背景下的诊断准确性仍不明确。方法：开展系统综述与 meta 分析，评估冰冻切片在快速识别 SCARs 中的诊断性能，重点关注史蒂文斯-约翰逊综合征/中毒性表皮坏死松解症（SJS/TEN），并与石蜡包埋切片进行比较。研究通过 MEDLINE、EMBASE、Cochrane Library、ISI Web of Science 和 SCOPUS 检索。采用随机效应模型进行 meta 分析，并使用 QUADAS-2 和 STARD 工具评估研究质量。结果：共 3 项诊断准确性研究、包含 134 例患者符合 meta 分析条件。对于 SJS/TEN，合并敏感度为 0.91（95% CI 0.83–0.96），合并特异度为 0.90（95% CI 0.79–0.95），诊断
【数据结构与技术规格】
文件数 2 个，合计 27.73 KB。数据集 DOI：10.17632/mtdct7f9kb.1。
【主题与分类】
主题标签：史蒂文斯-约翰逊综合征、中毒性表皮坏死松解症、冰冻切片、诊断准确性、系统综述、meta分析、皮肤与结缔组织疾病。本站分类：皮肤与结缔组织疾病/史蒂文斯-约翰逊综合征。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/mtdct7f9kb
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/mtdct7f9kb/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:
数据集大小约 27.7 KB。
数据说明
Cody Frear (2026). 冰冻切片组织病理学在严重皮肤不良反应快速诊断中的准确性：一项系统综述与荟萃分析 [数据集]. http://doi.org/10.17632/mtdct7f9kb.1
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
