普萘洛尔治疗溃疡性婴儿血管瘤的前瞻性研究

该数据集包含婴儿血管瘤治疗研究的补充材料,数据模态为临床表格和医学图像,具体包括不良事件总结表格和皮肤病变示意图,主要用于支持普萘洛尔治疗溃疡性婴儿血管瘤的前瞻性临床研究,为儿科皮肤病学领域的药物疗效与安全性评估提供实证数据。

Mendeley Data
2021-04-16 更新
浏览 46
Propranolol for the treatment of ulcerated infantile hemangiomas: a prospective study

基本信息

大小
0.03 GB
创建/更新时间
2021-04-16
版本
v1

资源简介

普萘洛尔治疗溃疡性婴儿血管瘤的前瞻性研究

【数据集背景】

本数据集源站标题为《Propranolol for the treatment of ulcerated infantile hemangiomas: a prospective study》。源站首次发布:2021-04-16。

【数据内容】

源站原始描述:Supplementary materials for our research article titled "Propranolol for the treatment of ulcerated infantile hemangiomas: a prospective study" include: Supplementary Table 1, Supplementary Figure 1-3. The figures show the skin lesions caused by hemangiomas. The table provides information on summary of grade 1 and higher adverse events attributable to propranolol

【数据结构与技术规格】

文件数 4 个,合计 33.08 MB。数据集 DOI:10.17632/ptrrxtn689.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/ptrrxtn689

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/ptrrxtn689

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。

数据说明

该数据集是研究论文《普萘洛尔治疗溃疡性婴儿血管瘤的前瞻性研究》的补充材料,包含补充表格1和补充图1-3。补充图展示了婴儿血管瘤引起的皮肤病变,补充表提供了与普萘洛尔相关的1级及以上不良事件的总结信息。数据来源于一项前瞻性临床研究,主要应用于儿科皮肤病学领域,支持婴儿血管瘤的药物疗效与安全性评估研究。

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