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。

Figshare
2017-08-01 更新
浏览 29
Neurogenic bladderUpper urinary tract damageDecision tree modelUrodynamicsUrethra function
Application of data mining techniques to explore predictors of upper urinary tract damage in patients with neurogenic bladder

基本信息

大小
0.000074021 GB
许可
CC BY 4.0
创建/更新时间
2017-08-01
版本
v1

资源简介

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

【数据集背景】

本数据集源站标题为《Application of data mining techniques to explore predictors of upper urinary tract damage in patients with neurogenic bladder》。配套论文《Application of data mining techniques to explore predictors of upper urinary tract damage in patients with neurogenic bladder》发表于 Brazilian Journal of Medical and Biological Research(2017),DOI:10.1590/1414-431x20176638。源站首次发布:2017-12-05。

【数据内容】

源站原始描述:This study proposed a decision tree model to screen upper urinary tract damage (UUTD) for patients with neurogenic bladder (NGB). Thirty-four NGB patients with UUTD were recruited in the case group, while 78 without UUTD were included in the control group. A decision tree method, classification and regression tree (CART), was then applied to develop the model in which UUTD was used as a dependent variable and history of urinary tract infections, bladder management, conservative treatment, and ur…

【数据结构与技术规格】

文件数 6 个,合计 74.02 KB。数据集 DOI:10.6084/m9.figshare.5670424.v1。

【主题与分类】

源站学科分类:Medicine、Microbiology not elsewhere classified。主题标签:Neurogenic bladder、Upper urinary tract damage、Decision tree model、Urodynamics、Urethra function。

【适用方向】

源站学科分类标注为 Medicine、Microbiology not elsewhere classified。

【获取与许可】

源站页面:https://scielo.figshare.com/articles/dataset/Application_of_data_mining_techniques_to_explore_predictors_of_upper_urinary_tract_damage_in_patients_with_neurogenic_bladder/5670424

使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。

规范引用:Fang, H.; Lu, B.; Wang, X.; Zheng, L.; Sun, K.; Cai, W. (2017). Application of data mining techniques to explore predictors of upper urinary tract damage in patients with neurogenic bladder. SciELO journals. Dataset

【使用注意】

· 源站最后修改于 2023-06-02,引用时请注意版本时效。

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(Figshare)

源站:https://figshare.com/articles/dataset/Application_of_data_mining_techniques_to_explore_predictors_of_upper_urinary_tract_damage_in_patients_with_neurogenic_bladder/5670424

按页面 Download 按钮获取。

数据说明

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。

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