队列随访：慢性肾脏病的进展与后果
该数据集来源于clinicaltrials.gov，聚焦慢性肾脏病与肾功能障碍，旨在通过前瞻性收集患者的临床与辅助临床数据，识别疾病进展因素、量化肾功能的标志物，以及慢性肾脏病并发症（尤其是心血管、营养或矿物质代谢方面）的病理生理机制
基本信息
资源简介
队列随访：慢性肾脏病的进展与后果
Cohort Follow-up: Progression and Consequences of Chronic Kidney Disease 是一个来源于 clinicaltrials.gov 的数据集，聚焦慢性肾脏病与肾功能障碍。慢性肾脏病在法国的发病率与患病率持续上升，在发病率和死亡率方面造成显著后果，其中心血管方面的后果尤为突出，同时也构成重要的公共卫生问题。该数据集旨在通过前瞻性收集慢性肾脏病患者的临床与辅助临床数据，识别疾病进展因素、量化肾功能的标志物，以及慢性肾脏病并发症（尤其是心血管、营养或矿物质代谢方面）的病理生理机制。在本站分类中，该数据集归入循环系统疾病 / 其他类别，主题标签为 Chronic Renal Diseases 与 Renal Function Disorder。
【数据集背景】
慢性肾脏病在法国呈现出不断增长的发病与患病趋势，其后果在发病率与死亡率层面均十分显著，尤其体现在心血管方面，并具有公共卫生意义。在这一背景下，有必要更深入地认识三个方面的问题：导致慢性肾脏病进展的机制；用于量化肾功能及慢性肾脏病进展的标志物；慢性肾脏病并发症的病理生理机制，特别是心血管、营养或矿物质代谢方面的并发症。该数据集正是围绕上述需求而建立，通过前瞻性方式收集慢性肾脏病患者的临床与辅助临床数据，以识别疾病进展因素、肾功能标志物以及并发症的病理生理机制。
【数据内容】
该数据集的内容为慢性肾脏病患者的临床数据与辅助临床数据，采用前瞻性收集的方式获得。其关注的核心内容包括：疾病进展因素的识别、肾功能的量化标志物，以及慢性肾脏病并发症的病理生理机制，并发症方面特别涉及心血管、营养或矿物质代谢等领域。数据集涉及的条件为 Chronic Renal Diseases 与 Renal Function Disorder。关于具体的变量字段、样本量、随访时长、数据记录格式等细节，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。其数据采集方式为对慢性肾脏病患者进行前瞻性临床与辅助临床数据收集。关于采集机构、采集地点、采集时间窗口、采样流程与质量控制程序等具体信息，源站未提供。
【适用场景】
基于其设计目标，该数据集适用于围绕慢性肾脏病进展机制、肾功能量化标志物以及慢性肾脏病并发症病理生理机制的研究场景，尤其适合关注心血管、营养或矿物质代谢相关并发症的分析工作。关于具体的适用研究设计、分析任务类型或应用案例，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT04070885
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
疾病：慢性肾脏病、肾功能障碍。慢性肾脏病在法国的发病率和患病率不断上升，在发病率和死亡率方面造成重大后果，尤其是心血管方面，以及公共卫生方面。有必要更好地了解：* 导致慢性肾脏病进展的机制 * 用于量化肾功能和慢性肾脏病进展的标志物 * 慢性肾脏病并发症的病理生理学，特别是心血管、营养或矿物质代谢方面。本研究旨在对慢性肾脏病患者进行临床和辅助临床数据的前瞻性收集，以识别疾病进展因素、肾功能标志物以及慢性肾脏病并发症的病理生理学。
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。
