慢性肾功能不全队列研究（CRIC）
CRIC 是由 NIDDK 于 2001 年建立的慢性肾功能不全队列研究，旨在加深对慢性肾脏病与心血管疾病之间关系的理解
基本信息
资源简介
慢性肾功能不全队列研究（CRIC）
慢性肾功能不全队列研究（Chronic Renal Insufficiency Cohort Study，CRIC）是由美国国立糖尿病、消化和肾脏疾病研究所（NIDDK）于2001年建立的队列研究，其核心目的在于加深对慢性肾脏病与心血管疾病之间关系的理解。该研究聚焦于慢性肾脏病患者群体，考察慢性肾脏病进展与心血管疾病发生的风险因素，并致力于构建预测模型以识别高危亚组，从而为未来的治疗试验提供依据，并促进现有预防疗法的应用。在数据资源分类中，该数据集被归入循环系统疾病下的其他类别，主题标签为基因组学（Genomic），可通过omicsdi.org获取相关数据资源信息。
【数据集背景】
慢性肾脏病与心血管疾病之间存在复杂的相互作用，但这一关系在相当长的时期内缺乏大规模、系统性的队列研究支撑。正是在这一背景下，NIDDK于2001年发起建立了CRIC研究，将其定位为一项以慢性肾功能不全患者为对象的长期队列研究。研究的总体目标是提升对慢性肾脏病与心血管疾病关系的认识水平，具体包括两个方面：一是考察慢性肾脏病进展及心血管疾病发生的风险因素；二是开发预测模型，用于识别处于高风险的亚组人群。这些目标直接服务于后续治疗试验的设计，也有助于推动已有预防疗法在临床实践中的更广泛应用。
【数据内容】
该数据集的主题标签为基因组学（Genomic），表明其数据内容涉及基因组层面的信息。源站描述中重点阐述了研究的目标与设计思路，即围绕慢性肾脏病进展和心血管疾病的风险因素开展考察，并构建高危亚组识别模型。关于数据集所包含的具体变量、样本规模、随访时长、组学数据的具体类型与检测平台等信息，源站未提供。
【采集与来源】
该数据集来源于omicsdi.org。CRIC研究由美国国立糖尿病、消化和肾脏疾病研究所（NIDDK）于2001年建立，研究对象为慢性肾脏病患者。关于样本采集的具体流程、采集地点、采集时间跨度以及数据入库与处理环节的细节，源站未提供。
【适用场景】
依据源站描述，该数据集适用于以下研究方向：理解慢性肾脏病与心血管疾病之间的关系；分析慢性肾脏病患者中慢性肾脏病进展的风险因素；分析该人群中心血管疾病发生的风险因素；开发与验证用于识别高危亚组的预测模型；为未来治疗试验的设计提供依据；促进现有预防疗法的临床应用。结合其基因组学主题标签，该数据集亦可作为慢性肾脏病与心血管疾病相关基因组学研究的资源。其他更为具体的应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方式，包括数据获取途径、访问权限设置、数据格式、配套分析工具或操作指南等信息。
【质量与限制】
源站未提供关于该数据集质量控制流程、数据完整性评估、已知偏差或局限性等方面的说明。使用者需注意，源站描述主要集中于研究目标与背景，未涉及数据质量层面的具体指标。
【引用与许可】
源站未提供该数据集的引用格式、许可协议或使用条款等信息。
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://omicsdi.org/dataset/dbgap/phs000524
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
慢性肾功能不全队列（CRIC研究）由美国国立糖尿病、消化和肾脏疾病研究所（NIDDK）于2001年建立，旨在加深对慢性肾脏病与心血管疾病之间关系的理解。CRIC研究的目标是探究慢性肾脏病患者中慢性肾脏病进展和心血管疾病的危险因素，并开发预测模型以识别高风险亚组，为未来的治疗试验提供依据，并促进现有预防疗法的应用。
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。
