CKD分期预测数据集
该数据集来自 data.mendeley.com，用于研究慢性肾脏病（CKD）的进展。数据覆盖 189 名患者，每位患者包含 12 项常规实验室检验变量、入院当日基线 eGFR 值，以及预测期末的 CKD 1–4 期结局
基本信息
资源简介
CKD分期预测数据集
Data for CKD stage prediction
该数据集来自 data.mendeley.com，用于研究慢性肾脏病（CKD）的进展。数据覆盖 189 名患者，每位患者包含 12 项常规实验室检验变量、入院当日基线 eGFR 值，以及预测期末的 CKD 1–4 期结局。变量涉及总蛋白、CRP、血红蛋白、血尿酸、淋巴细胞、尿蛋白、尿比重、尿白细胞、尿 pH、血钾、血糖和血小板计数。该数据可用于构建和评估基于常规检验指标的 CKD 分期预测模型（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-08-03。
【数据内容】
源站描述（机器翻译，仅供参考）：该文件包含基于常规实验室检验结果研究慢性肾脏病（CKD）进展的数据。对于 189 名患者中的每一位，这些结果包括 12 个变量以及基线 eGFR 值（来自入院当天）和预测期末 CKD 1–4 期结局（数据的最后一列）。使用的缩写为 prt 总蛋白（g/dl）、CRP CRP（mg/l）、hem 血血红蛋白（g/dl）、urc 血清尿酸（mg/dl）、lym 血淋巴细胞（/ul）、pur 尿蛋白（g/l）、gru 尿比重（g/l）、WBC 尿白细胞（WBC，/ul）、pH 尿 pH、pot 血清钾（mmol/l）、glu 血糖（mg/dl）、PLT 血小板计数（/ul）、eGFR 估算肾小球滤过率（mL/min/1.73 m²）。
【数据结构与技术规格】
文件数 1 个，合计 22.13 KB。数据集 DOI：10.17632/wnxyp372n9.1。
【主题与分类】
主题标签：慢性肾脏病、CKD分期、eGFR、实验室检验、肾功能、预测建模。本站分类：泌尿生殖系统疾病/其他。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/wnxyp372n9
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/wnxyp372n9
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 22.1 KB。
数据说明
Wojciech Rafajłowicz (2026). Data for CKD stage prediction [Dataset]. http://doi.org/10.17632/wnxyp372n9.1
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。
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。
