遗传性转甲状腺素蛋白淀粉样变性综合研究项目

该数据集来自 clinicaltrials.gov,聚焦遗传性转甲状腺素蛋白淀粉样变性(ATTR)这一进行性、可能致命的多器官受累疾病

Hospital de Alta Complejidad en RedHospital de Alta Complejidad en Red
clinicaltrials
浏览 7
基因组分类Amyloidosis in Transthyretin (TTR)Amyloidosis, Familial
Comprehensive Program for Hereditary Transthyretin Amyloidosis

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-10

资源简介

遗传性转甲状腺素蛋白淀粉样变性综合研究项目

该数据集来自 clinicaltrials.gov,聚焦遗传性转甲状腺素蛋白淀粉样变性(ATTR)这一进行性、可能致命的多器官受累疾病。研究为前瞻性观察性设计,在 Néstor Kirchner 医院开展,纳入 18 岁以上、携带确诊致病性 TTR 变异的参与者。数据涵盖遗传检测、临床评估及多种诊断检查,旨在刻画患者表型、探究影响疾病进展的因素并确定发病的最低标准,可用于疾病分型、进展预测及临床特征分析等研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:转甲状腺素蛋白(TTR)淀粉样变性、家族性淀粉样变性。遗传性转甲状腺素蛋白淀粉样变性综合研究项目描述了一项前瞻性观察性研究,聚焦于理解遗传性转甲状腺素蛋白淀粉样变性(ATTR),这是一种以淀粉样纤维沉积影响多个器官为特征的进行性且可能致命的疾病。该试验旨在刻画患者表型、探究影响疾病进展的因素,并确定疾病发病的最低标准。该试验在 Néstor Kirchner 医院开展,纳入 18 岁以上、携带确诊致病性 TTR 变异的参与者。它包括由制药公司赞助的遗传检测、临床评估以及多种诊断检查等全面评估。

【主题与分类】

主题标签:Amyloidosis in Transthyretin (TTR)、Amyloidosis, Familial。本站分类:心血管系统疾病/心脏淀粉样变性。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07213297

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://clinicaltrials.gov/study/NCT07213297

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

疾病:转甲状腺素蛋白(TTR)淀粉样变性,家族性淀粉样变性。遗传性转甲状腺素蛋白淀粉样变性综合项目描述了一项前瞻性观察研究,旨在了解遗传性转甲状腺素蛋白淀粉样变性(ATTR),这是一种进行性且可能致命的疾病,以淀粉样纤维沉积影响多个器官为特征。该试验旨在描绘患者表型,探究影响疾病进展的因素,并确定疾病发作的最低标准。该试验在Néstor Kirchner医院进行,招募18岁以上、经确认携带致病性TTR变异的参与者。它包括由制药公司赞助的基因检测、临床评估以及多种诊断测试等全面评估。

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