软组织肉瘤疾病特异性生存的预后临床病理变量预测因子(单变量分析,对数秩检验),N=249
该数据集包含249例软组织肉瘤患者的临床病理变量,如肿瘤类型和生存数据,通过单变量分析和对数秩检验评估预后因素与疾病特异性生存的关系,主要用于软组织肉瘤的预后研究、生存模型构建及临床辅助决策,数据模态为临床表格与统计结果。

基本信息
资源简介
软组织肉瘤疾病特异性生存的预后临床病理变量预测因子(单变量分析,对数秩检验),N=249
【数据集背景】
本数据集源站标题为《Prognostic clinicopathologic variables as predictors for disease-specific survival soft tissue sarcomas (univariate analysis, log rank test), N = 249.》。配套论文《Prognostic Impact of Lymphocytes in Soft Tissue Sarcomas》发表于 PLoS ONE(2011),DOI:10.1371/journal.pone.0014611。源站首次发布:2013-02-20。
【数据内容】
源站原始描述:Abbreviations: MF/MFT, malignant fibroblastic/myofibroblastic tumors; MPNST, malignant peripheral nerve sheath tumor; STS, soft tissue sarcomas; NR, not reached; NOS, non specified
【数据结构与技术规格】
文件数 1 个,合计 13.82 KB。Table_1.xls:application/vnd.ms-excel,13.82 KB。数据集 DOI:10.1371/journal.pone.0014611.t001。
【主题与分类】
源站学科分类:Immunology、Medicine、Cancer。主题标签:clinicopathologic、variables、predictors、disease-specific、sarcomas。
【适用方向】
源站学科分类标注为 Immunology、Medicine、Cancer。
【获取与许可】
源站页面:https://plos.figshare.com/articles/dataset/_Prognostic_clinicopathologic_variables_as_predictors_for_disease_specific_survival_soft_tissue_sarcomas_univariate_analysis_log_rank_test_N_8202_8202_249_/473259
使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。
规范引用:W. Sorbye, Sveinung; Kilvaer, Thomas; Valkov, Andrej; Donnem, Tom; Smeland, Eivind; Al-Shibli, Khalid; et al. (2015). Prognostic clinicopathologic variables as predictors for disease-specific survival soft tissue sarcomas (univariate analysis, log rank test), N = 249.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-04,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)
按页面 Download 按钮获取。
数据说明
该数据集是一个针对软组织肉瘤(STS)的临床病理学数据集,旨在评估预后因素与患者疾病特异性生存之间的关系。数据集包含了249例软组织肉瘤患者的临床病理变量,如肿瘤类型(包括恶性纤维母细胞/肌纤维母细胞肿瘤、恶性周围神经鞘瘤等)、生存状态与时间等,并采用单变量分析和对数秩检验进行统计评估。数据来源于临床回顾性研究,通过Figshare平台公开共享,主要应用于软组织肉瘤的预后分析、生存预测模型构建以及临床决策支持研究。
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。




