透析前(基线)、透析中(1、2、3小时)及透析后血管特征数据
该数据集为法国语言腹膜透析登记处(RDPLF)研究的补充材料,配套论文发表于 American Journal of Nephrology(2021)

基本信息
资源简介
透析前(基线)、透析中(1、2、3小时)及透析后血管特征数据
Supplementary Material for: Trends in Peritoneal Dialysis Technique Survival, Death, and Transfer to Hemodialysis: A Decade of Data from the RDPLF
该数据集为法国语言腹膜透析登记处(RDPLF)研究的补充材料,配套论文发表于 American Journal of Nephrology(2021)。源站描述显示,研究回顾性分析了2005年1月1日至2016年12月31日在法国启动腹膜透析的14,673例患者,采用校正Cox回归考察日历时间对技术生存、转血液透析及患者生存的影响。数据集文件为一份补充数据文档,可用于了解腹膜透析技术生存、死亡与转血液透析的长期趋势(来源 figshare,CC BY 4.0 许可)。
【数据集背景】
配套论文《Trends in Peritoneal Dialysis Technique Survival, Death, and Transfer to Hemodialysis: A Decade of Data from the RDPLF》发表于 American Journal of Nephrology(2021),DOI:10.1159/000515472。源站首次发布:2021-04-27。
【数据内容】
源站描述(机器翻译,仅供参考):引言:关于腹膜透析(PD)技术生存随时间变化趋势的信息有限。本研究旨在评估日历时间对技术生存、转血液透析(HD)(及转院的各个原因)和患者生存的影响。方法:这项回顾性、多中心研究基于法国语言腹膜透析登记处的数据,分析了2005年1月1日至2016年12月31日期间在法国启动PD的14,673例患者。采用带稳健方差的校正Cox回归来检验死亡或转HD复合终点、死亡、转HD的概率,并考虑PD开始时间的非线性影响。结果:研究期间共有10,201例(69.5%)PD终止:5,495例(37.4%)死亡和4,706例(32.1%)转HD。因死亡导致PD终止的比率
【数据结构与技术规格】
文件数 1 个,合计 4.03 MB。数据集 DOI:10.6084/m9.figshare.14494005.v1。
【主题与分类】
源站学科分类:Medicine。主题标签:Chronic kidney disease、Peritoneal dialysis、Technique survival、Assistance、Longitudinal trends。本站分类:泌尿生殖系统疾病。
【适用方向】
源站学科分类标注为 Medicine。
【获取与许可】
源站页面:https://karger.figshare.com/articles/dataset/Supplementary_Material_for_Trends_in_Peritoneal_Dialysis_Technique_Survival_Death_and_Transfer_to_Hemodialysis_A_Decade_of_Data_from_the_RDPLF/14494005
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:A., Boyer; A., Lanot; M., Lambie; C., Verger; S., Guillouet; T., Lobbedez; et al. (2021). Supplementary Material for: Trends in Peritoneal Dialysis Technique Survival, Death, and Transfer to Hemodialysis: A Decade of Data from the RDPLF. Karger Publishers. 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。
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)
- 源站标题:Supplementary Material for: Trends in Peritoneal Dialysis Technique Survival, Death, and Transfer to Hemodialysis: A Decade of Data from the RDPLF
- DOI:10.6084/m9.figshare.14494005.v1
- 发布日期:2021-04-27
- 文件数:1 个
- 文件总体积:4.03 MB
- 源站页面:https://karger.figshare.com/articles/dataset/Supplementary_Material_for_Trends_in_Peritoneal_Dialysis_Technique_Survival_Death_and_Transfer_to_Hemodialysis_A_Decade_of_Data_from_the_RDPLF/14494005
命令行下载
curl -L -o "Supplementary Material-Article_AJN_2esoumission_Supplementary_data.docx" "https://ndownloader.figshare.com/files/27759873"
文件清单
Supplementary Material-Article_AJN_2esoumission_Supplementary_data.docx(4.03 MB)
文件总体积 4.03 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
引言:关于腹膜透析(PD)技术生存率随时间变化趋势的信息有限。本研究旨在评估日历时间对技术生存率、转至血液透析(HD)(及转归的各个原因)以及患者生存率的影响。方法:这项回顾性、多中心研究基于法语腹膜透析登记处的数据,分析了2005年1月1日至2016年12月31日期间在法国开始PD的14,673例患者。采用带稳健方差的校正Cox回归来检验死亡或转至HD复合终点、死亡以及转至HD的概率,并考虑了PD开始时间的非线性影响。结果:研究期间共有10,201例(69.5%)停止PD:5,495例(37.4%)死亡,4,706例(32.1%)转至HD。因死亡或转至HD而停止PD的比率随时间下降(PR 0.96,95% CI:0.95–0.97)。
与2009-2010年相比,2005-2008年或2011-2016年开始PD与较低的转至HD率强烈相关(分别为PR 0.88,95% CI:0.81-0.96和PR 0.91,95% CI:0.84-0.99),主要归因于感染相关转至HD率的下降(PR 0.96,95% CI:0.94-0.98)。结论:近几十年来,死亡或转至HD的复合终点、死亡以及转至HD的发生率均有所下降。自2011年以来观察到的转至HD率下降,主要是感染相关转归显著减少的结果。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.14494005.v1(source: https://karger.figshare.com/articles/dataset/Supplementary_Material_for_Trends_in_Peritoneal_Dialysis_Technique_Survival_Death_and_Transfer_to_Hemodialysis_A_Decade_of_Data_from_the_RDPLF/14494005)。
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。




