改进NGAL敏感性和特异性预测心脏术后急性肾损伤数据集

心脏术后患者连续两次血浆NGAL与血清肌酐联合检测,用于提高急性肾损伤预测准确性。

Mendeley Data
2024-01-31 更新
浏览 20
表格急性肾损伤表格
Improvement of NGAL sensitivity and specificity predicting AKI after cardiac surgery

基本信息

模态
表格
大小
0.000090348 GB
创建/更新时间
2024-01-31
版本
v3

资源简介

改进NGAL敏感性和特异性预测心脏术后急性肾损伤数据集

【一句话概览】

本次资料包含2个文件,合计大小90.3 KB,主题为“Improvement of NGAL sensitivity and specificity predicting AKI after cardiac surgery”。内容指出,通过连续两次血浆测量,并在心脏手术后10-18小时将肾脏生物标志物与功能性标志物血清肌酐联合,可改善NGAL检测性能(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Improvement of NGAL sensitivity and specificity predicting AKI after cardiac surgery》。源站首次发布:2019-09-11。

【数据内容】

源站原始描述:The NGAL assay performance could be improved by two consecutive plasma measurements, then with the combination of kidney biomarker with the functional marker serum creatinine at 10-18 h after surgery

中文译文(机器翻译,仅供快速理解,请以原文为准):NGAL检测性能可通过连续两次血浆测定得到改善,随后还可在术后10-18小时通过将肾脏生物标志物与功能性标志物血清肌酐联合应用来进一步提高。

【数据结构与技术规格】

文件数 2 个,合计 90.35 KB。数据集 DOI:10.17632/fxv6kcp6j3.3。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/fxv6kcp6j3

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

源站:https://data.mendeley.com/datasets/fxv6kcp6j3

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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