直接抗病毒药物治疗慢性肾病合并慢性丙型肝炎的长期结局评估数据集
该数据集总结了DAA治疗在慢性肾脏病受试者中的长期结局。主题标签：慢性丙型肝炎、慢性肾病、直接抗病毒药物、长期结局、DAA治疗
基本信息
资源简介
直接抗病毒药物治疗慢性肾病合并慢性丙型肝炎的长期结局评估数据集
该数据集聚焦于慢性肾脏病受试者接受直接抗病毒药物（DAA）治疗后长期结局的评估，英文名称为“Evaluation of long-term outcomes of chronic hepatitis C therapy with direct acting agents in chronic kidney disease subjects”，由Paulina Czarnecka撰写，机构为Mendeley，于2023年发布，采用Creative Commons Attribution 4.0 International许可。数据集在分类上归属于泌尿生殖系统疾病下的“其他”类别，来源站为doi.org。其核心主题涵盖慢性丙型肝炎、慢性肾病、直接抗病毒药物、长期结局与DAA治疗，旨在系统总结这一特定人群在接受DAA治疗后的长期转归情况，为相关临床研究与治疗决策提供数据参考。
【数据集背景】
慢性丙型肝炎合并慢性肾脏病是临床中较为复杂的情形，此类受试者的抗病毒治疗选择与预后评估长期受到关注。直接抗病毒药物（DAA）的应用改变了丙型肝炎治疗的格局，但针对慢性肾脏病受试者这一特殊人群，其治疗后的长期结局仍需专门的数据积累与总结。该数据集正是在这一背景下构建，聚焦DAA治疗在慢性肾脏病受试者中的长期结局，主题标签包括慢性丙型肝炎、慢性肾病、直接抗病毒药物、长期结局与DAA治疗，体现了对特殊人群治疗转归的关注。
【数据内容】
该数据集总结的是DAA治疗在慢性肾脏病受试者中的长期结局。源站描述明确指出，数据集汇总了慢性肾脏病受试者接受DAA治疗后的长期结局。围绕慢性丙型肝炎、慢性肾病、直接抗病毒药物、长期结局与DAA治疗等主题，数据集以长期结局为核心组织内容。关于具体的变量构成、记录条数、随访时长、结局指标类型等细节，源站未提供。
【采集与来源】
数据集的来源站为doi.org，作者为Paulina Czarnecka，机构为Mendeley，发布时间为2023年。关于具体的采集方法、采集地点、采集时间跨度、样本纳入与排除标准等信息，源站未提供。
【适用场景】
基于其主题，该数据集适用于关注慢性丙型肝炎合并慢性肾脏病人群DAA治疗后长期结局的研究与分析场景，可服务于该特殊人群治疗转归的总结与比较。关于具体的适用分析类型或应用案例，源站未提供。
【使用方法】
源站未提供具体的使用方法说明。使用者可参考其Creative Commons Attribution 4.0 International许可条款进行使用。
【质量与限制】
关于数据集的质量评估、完整性、准确性及局限性等信息，源站未提供。
【引用与许可】
该数据集采用Creative Commons Attribution 4.0 International许可，使用时需遵循该许可的署名要求。作者为Paulina Czarnecka，机构为Mendeley，发布时间为2023年，来源站为doi.org。关于具体的引用格式，源站未提供。
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://doi.org/10.17632/8yrhk6gv8n
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 131.0 KB。
数据说明
This dataset summarizes long-term outcomes of DAA treatment in chronic kidney disease subjects.
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。
