登录后查看消息通知
遇见数据集
贵州医科大学附属医院

贵州医科大学附属医院

企业

贵州医科大学附属医院围绕相关业务开展运营。面向脑卒中预后预测、吞咽障碍康复、脑卒中后吞咽障碍预测等领域提供数据服务,开放脑卒中后吞咽障碍预后预测模型(脑卒中预后预测、吞咽障碍康复)、脑卒中康复诊疗病例数据集(脑卒中后吞咽障碍预测、康复医学多模态评估),支撑诊疗分析与医疗质控。

脑卒中预后预测吞咽障碍康复脑卒中后吞咽障碍预测
成立时间暂未披露贵州省https://www.gmcah.cn

数据概览

4
数据集总量
33
总浏览量
0
关注人数
2026-11-12
最近更新
分类统计

相关机构

  • 杭
    杭州适足鞋靴科技有限公司
    拥有数据集:243个
    企业
  • 亿
    亿景智联(苏州)科技有限公司
    拥有数据集:140个
    企业
  • 杭
    杭州灵煜生物科技有限公司
    拥有数据集:108个
    企业
  • 杭
    杭州二又土农业专业合作社
    拥有数据集:76个
    企业
  • 浙
    浙江东音科技有限公司
    拥有数据集:75个
    企业

数据集列表

药学诊查服务承接效能与协作分析数据集
药学诊查服务承接效能
医生科室协作转化分析
数据集加工阶段采用基础数据处理规则与统计分析方法,不使用智能预测模型。原始邀请记录入库执行样本筛选规则,剔除字段缺失、状态异常、时间戳逻辑错误(如处理时间早于通知时间)的无效记录,保留能够客观反映邀请流程的有效工单。时效计算执行统一规则,定义响应时长为处理时间减通知时间,作为承接效能的核心度量。承接率执行统计规则,以承接工单数占有效邀请总数的比例量化协同质量。协作转化分析执行转化率规则,以“是否已提交申请”为转化标记,统计各医生科室邀请至提交申请的转化率,识别低转化科室与行为障碍。离群值采用缩尾处理降低极端工单影响。人工信息整理执行双人交叉核验规则,全流程设置抽检规则,复核清洗、指标计算与脱敏质量,留存加工日志,保障处理可追溯。
贵州省数据知识产权登记平台2026-11-11 更新00
脑卒中康复诊疗病例数据集
脑卒中后吞咽障碍预测
康复医学多模态评估
1、本数据集收集单侧大脑半球初发幕上脑卒中患者的康复诊疗资料,内容涵盖人口学特征、疾病特征、既往病史、临床量表(MBI、NIHSS)评分,以及近红外脑功能成像、经颅磁刺激和表面肌电图等多模态检测指标。研究以是否存在咽期或口咽期吞咽障碍作为主要二分类结局变量,为脑卒中后吞咽障碍的评估与康复提供数据支撑。 2、数据录入与分类:数据集共纳入300例病例,涵盖吞咽功能、临床特征等分类变量及年龄、量表评分、影像与电生理指标等数值变量。经变量赋值与共线性检测后,采用多因素二元Logistic回归分析,以评估幕上脑卒中患者发生吞咽障碍的独立危险因素。 3、临床应用:本数据集基于SPSS 25.0建立脑卒中后吞咽障碍风险识别规则。多因素分析证实,年龄>65岁、皮层+皮层下卒中、MBI评分≤45分、NIHSS评分、聚类系数、峰值波幅及双侧舌骨上肌群运动诱发电位为独立危险因素。ROC曲线显示,联合“聚类系数+峰值波幅+双侧运动诱发电位”的预测模型效能最优,AUC达0.985,敏感度92.0%,特异度96.0%,临床预测价值高。 上述分析结果可为脑卒中后吞咽障碍的早期筛查、风险分层和康复干决策提供数据支持。
贵州省数据知识产权登记平台2026-06-25 更新60
药学会诊服务效能监测与流程优化数据集
药学会诊时效分析
药学会诊流程挖掘
数据集加工阶段采用基础数据处理规则与统计分析方法,不使用智能预测模型。原始工单入库执行样本筛选规则,剔除字段缺失、状态异常、时间戳逻辑错误(如完成时间早于申请时间)的无效记录,保留能够客观反映会诊流程的有效工单。时效计算执行统一规则,定义响应时长为接收时间减申请时间、完成时长为完成时间减接收时间、总时长为完成时间减申请时间,作为服务效能的核心度量。流程挖掘执行节点时间戳排序与环节滞留分布统计,量化申请至报邀、报邀至接收、接收至完成各阶段的耗时分布。工作量统计按报邀药师与拟邀科室分别归一化,统一量纲口径。离群值采用缩尾处理降低极端工单影响。人工信息整理执行双人交叉核验规则,全流程设置抽检规则,复核清洗、时效计算与脱敏质量,留存加工日志,保障处理可追溯。
贵州省数据知识产权登记平台2026-11-02 更新20
脑卒中后吞咽障碍预后预测模型
脑卒中预后预测
吞咽障碍康复
1.数据采集:收集单侧大脑半球初发卒中患者的人口学特征(性别、年龄、病程)、疾病特征(卒中类型、卒中病变侧、卒中部位)、既往病史(高血压、糖尿病)、临床量表评估(改良Barthel指数量表、美国国立卫生研究院卒中量表)、近红外脑功能成像评估指标(感兴趣脑区的聚类系数和氧合血红蛋白平均值)、经颅磁刺激脑功能检测指标(患侧和健侧舌骨上肌群皮质代表区运动诱发电位)、表面肌电图检测指标(双侧舌骨上肌群峰值波幅和吞咽时程)作为因变量,治疗措施作为自变量。2、模型构建:对所有变量进行定义和赋值,采用LASSO回归技术对上述数据维度和预测因子选择,借助多变量Logistic回归分析建立预测模型,绘制吞咽功能障碍预后预测Nomogram列线图。结合列线图结果根据回归系数的大小对每个变量的值进行评分。计算每个患者总得分,然后使用分数与概率之间的转换函数计算每个患者的结局概率。3、临床应用:仅需将患者的关键基线指标对应至模型相应的刻度轴,即可快速获取各指标的单项赋分。通过累加总分,读取该个体远期吞咽功能恢复的具体概率。预测概率值越趋近于1,患者重获吞咽代偿能力的潜能越大;反之预示较高的难治性吞咽障碍风险。
贵州省数据知识产权登记平台2026-04-24 更新250
关于我们
遇见数据集——让每个数据集都被发现,让每一次遇见都有价值。
数发科官网www.sfktec.com
联系我们
selectdataset@iotsh.com.cn
商业合作
数据驱动未来,携手共赢发展
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
热门搜索