应用数据挖掘技术探索神经源性膀胱患者上尿路损伤的预测因子
该数据集是一个包含112名神经源性膀胱患者临床信息的表格型数据集，涵盖病史、膀胱管理、治疗记录及尿动力学参数等多模态临床特征，主要用于构建和验证基于决策树模型的上尿路损伤预测工具，为临床筛查和医疗决策支持研究提供数据基础。
创建时间2017-08-01
更新时间2017-08-01
原始链接
https://figshare.com/articles/dataset/Application_of_data_mining_techniques_to_explore_predictors_of_upper_urinary_tract_damage_in_patients_with_neurogenic_bladder/5670424
官方服务
帮我联系如需原始数据获取支持或标注服务，请联系我们。
资源简介
该数据集是一项针对神经源性膀胱（NGB）患者上尿路损伤（UUTD）预测的医学研究数据集。研究共纳入112名患者，其中34名UUTD患者作为病例组，78名非UUTD患者作为对照组。数据集包含患者病史、膀胱管理方式、保守治疗情况以及尿动力学检查结果等多维度临床特征。研究者采用分类与回归树（CART）决策树模型，以UUTD为因变量，构建了预测模型。研究发现尿道功能因子是主要筛查指标，最大腹压、最大膀胱内压和性别也是相关预测变量。该模型准确率达84.8%，AUC为0.901，为资源有限地区提供了一种便捷的UUTD筛查工具，适用于临床预测模型开发和医疗决策支持研究。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 神经源性膀胱功能障碍 的高质量、多模态真实临床数据定制解决方案。