基于网络列线图预测健康体检中心慢性肾脏病发病的数据

数据集获取（Figshare）

• 源站标题：Development, validation, and visualization of a web-based nomogram for predicting chronic kidney disease incidence at health examination centers
• DOI：10.6084/m9.figshare.27188538.v1
• 发布日期：2024-10-08
• 文件数：9 个
• 文件总体积：1.69 MB
• 源站页面：https://tandf.figshare.com/articles/dataset/Development_validation_and_visualization_of_a_web-based_nomogram_for_predicting_chronic_kidney_disease_incidence_at_health_examination_centers/27188538

命令行下载

curl -L -o "irnf_a_2398183_sm3867.jpg" "https://ndownloader.figshare.com/files/49671912"
curl -L -o "irnf_a_2398183_sm3866.jpg" "https://ndownloader.figshare.com/files/49671915"
curl -L -o "irnf_a_2398183_sm3865.jpg" "https://ndownloader.figshare.com/files/49671918"
curl -L -o "irnf_a_2398183_sm3864.docx" "https://ndownloader.figshare.com/files/49671921"
curl -L -o "irnf_a_2398183_sm3863.docx" "https://ndownloader.figshare.com/files/49671924"
curl -L -o "irnf_a_2398183_sm3862.docx" "https://ndownloader.figshare.com/files/49671927"
curl -L -o "irnf_a_2398183_sm3861.docx" "https://ndownloader.figshare.com/files/49671930"
curl -L -o "irnf_a_2398183_sm3860.docx" "https://ndownloader.figshare.com/files/49671933"

文件清单

• irnf_a_2398183_sm3867.jpg（256.69 KB）
• irnf_a_2398183_sm3866.jpg（345.83 KB）
• irnf_a_2398183_sm3865.jpg（236.94 KB）
• irnf_a_2398183_sm3864.docx（79.51 KB）
• irnf_a_2398183_sm3863.docx（19.46 KB）
• irnf_a_2398183_sm3862.docx（19.44 KB）
• irnf_a_2398183_sm3861.docx（237.81 KB）
• irnf_a_2398183_sm3860.docx（113.85 KB）
• irnf_a_2398183_sm3859.jpg（376.59 KB）

文件总体积 1.69 MB（源站 API 实测）。

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。

数据说明

本研究旨在开发并验证一个基于网络的列线图，用于预测在两个健康体检中心的常规体检队列中4年内新发慢性肾脏病（CKD）的风险。其中一个中心用于列线图模型的训练和内部验证，涉及6515名患者；另一个中心用于外部验证，涉及3152名患者。本研究纳入了16个候选预测因子，包括患者人口学特征、病史、体格检查和实验室检测数据，以确定与新发CKD相关的因素。采用logistic模型构建列线图以预测CKD风险。通过受试者工作特征曲线下面积（AUC）、校准曲线和决策曲线分析评估列线图的性能。研究共纳入9667名健康个体，平均年龄46岁，性别比（男/女）为1.69（6075/3592）。在训练数据集（n = 4563）、内部验证数据集（n = 1952）和外部验证数据集（n = 3152）中，分别有118例（2.59%）、51例（2.61%）和60例（1.90%）个体发生CKD。

年龄、糖尿病病史、收缩压、血清肌酐、白蛋白和甘油三酯水平被用于构建列线图，该列线图具有出色的区分能力（训练队列，AUC = 0.8806，95%置信区间[CI] 0.8472–0.9141；内部验证队列，AUC = 0.8506，95% CI 0.7856–0.9156；外部验证队列，AUC = 0.9183，95% CI 0.8698–0.9669）。我们进一步开发了一个基于网络的计算器以便于应用（https://luochuxuan.shinyapps.io/dynnomapp/）。我们的网络列线图准确预测了中国健康个体的CKD风险，且可轻松用于临床环境。

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.6084/m9.figshare.27188538.v1（source: https://tandf.figshare.com/articles/dataset/Development_validation_and_visualization_of_a_web-based_nomogram_for_predicting_chronic_kidney_disease_incidence_at_health_examination_centers/27188538）。