IBD患者的心血管风险
该数据集来自 clinicaltrials.gov,聚焦炎症性肠病(IBD)患者的心血管风险,涵盖溃疡性结肠炎(UC)、克罗恩病及心血管风险等主题

基本信息
资源简介
IBD患者的心血管风险
该数据集来自 clinicaltrials.gov,聚焦炎症性肠病(IBD)患者的心血管风险,涵盖溃疡性结肠炎(UC)、克罗恩病及心血管风险等主题。源站描述指出,IBD 与心血管疾病可能存在共享的病理生理机制,包括遗传重叠、吸烟等共同环境诱因、免疫通路趋同、肠道与血管内皮屏障破坏以及肠道菌群改变等。由于缺乏前瞻性试验且现有心血管风险评分多针对较年长人群,IBD 患者真实心血管风险仍待评估。该数据可用于相关风险预测与机制研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:溃疡性结肠炎(UC)、克罗恩病、心血管风险。新出现的证据表明,IBD 与心血管疾病(CVD)之间存在共享的病理生理机制,包括遗传重叠(例如 NOD2、CDKN2B、stromelysin 和 ApoE 多态性)、吸烟等共同环境触发因素,以及趋同的免疫通路。通过 TNF-a 等细胞因子导致的肠道上皮屏障和血管内皮屏障破坏,可能为肠道炎症与血管病理之间提供机制联系。此外,IBD 中常见的肠道菌群改变也与动脉粥样硬化等心血管疾病的发病机制有关。由于缺乏前瞻性试验,且现有心血管风险评分是为较年长背景人群设计的,仍存在未满足的需求来评估 IBD 患者心血管风险的真实程度。
【主题与分类】
主题标签:Ulcerative Colitis (UC)、Crohn's Diseases、Cardiovascular Risk。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07663201
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/NCT07663201
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
病症:溃疡性结肠炎(UC)、克罗恩病、心血管风险。新出现的证据表明,炎症性肠病(IBD)与心血管疾病(CVD)之间存在共同的病理生理机制,包括遗传重叠(如NOD2、CDKN2B、基质溶解素和ApoE多态性)、共同的环境触发因素如吸烟,以及趋同的免疫途径。通过TNF-α等细胞因子破坏肠上皮和血管内皮屏障,可能为肠道炎症与血管病理之间提供机制联系。此外,IBD中常见的肠道微生物群改变也与动脉粥样硬化等心血管疾病的发病机制有关。由于缺乏前瞻性试验,以及现有心血管风险评分是为较年长背景人群设计而相较于IBD患者存在局限性,评估IBD患者实际心血管风险量仍是一个未满足的需求。
此外,目前缺乏对其他可能的共同危险因素(如遗传多态性或菌群失调)进行系统且综合的评估,更重要的是,需要以前瞻性方式并采用无假设的强大方法学(如人工智能(AI)驱动的算法)对完整的系统性数据集进行评估。我们的首要目标是在IRCCS San Donato Policlinic, San Donato Milanese (Mi)胃肠病科招募的一大群(±300例)IBD患者中前瞻性评估MACE的发生情况,并随访2年。MACE的发生情况将作为一个整体或逐一与同一机构心脏科CV PREVITAL研究(NCT053399841)中正在随访的年龄/性别匹配队列进行比较。IBD患者中MACE的发生情况将由PI及合作者在定期对照访视时进行评估,该访视至少在本研究入组后1年和2年进行,但根据IBD的基础病情,通常也会更频繁地进行(每3-6个月)。
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。




