约翰霍普金斯烧心中心登记库
该登记库是约翰霍普金斯烧心中心开展的前瞻性、多中心注册研究，面向接受胃食管反流病及相关疾病和并发症诊断评估和/或治疗的患者
基本信息
资源简介
约翰霍普金斯烧心中心登记库
The Johns Hopkins Heartburn Center Registry 是一个聚焦胃食管反流病及其相关疾病与并发症的前瞻性、多中心注册研究数据集。该登记库面向正在接受诊断评估和/或治疗的患者，系统收集疾病与治疗相关数据，并开展长期随访。其覆盖的疾病范围包括胃食管反流病、巴雷特食管、咽喉反流以及食管炎。数据采集贯穿治疗全过程，并延伸至长达5年的长期随访，所有参与站点均通过 REDCap 进行电子数据采集。该数据集来源于 clinicaltrials.gov，在分类上归属于循环系统疾病下的其他类别，主题标签与上述四类疾病一致。
【数据集背景】
该登记库由约翰霍普金斯烧心中心开展，是一项前瞻性、多中心注册研究。其设立目的是针对胃食管反流病及与之相关的疾病和并发症，纳入接受诊断评估和/或治疗的患者，并在治疗过程和长期随访中持续收集疾病与治疗特异性数据。研究关注的疾病谱包括胃食管反流病、巴雷特食管、咽喉反流和食管炎。作为多中心设计，该登记库能够汇集多个站点的患者信息，为相关疾病的诊疗研究提供统一的数据基础。
【数据内容】
登记库收集的是与疾病和治疗相关的数据，覆盖患者在整个治疗过程以及长期随访期间的信息。随访周期为5年，属于长期追踪性质。所涉及的目标疾病与并发症包括胃食管反流病、巴雷特食管、咽喉反流和食管炎。除上述范围外，源站未提供更细粒度的数据字段、变量类型或具体测量指标。
【采集与来源】
数据采集采用电子数据捕获方式，所有站点统一使用 REDCap 系统进行录入。该登记库为前瞻性设计，意味着数据在患者接受诊疗和随访的过程中被持续、实时地收集，而非回顾性整理。来源站为 clinicaltrials.gov。参与站点为多中心，即不限于单一医疗机构。关于各站点的具体数量、地域分布或招募规模，源站未提供。
【适用场景】
基于其疾病覆盖范围和长期随访设计，该登记库适用于围绕胃食管反流病及相关疾病与并发症的诊疗研究，例如观察接受诊断评估和/或治疗患者的疾病与治疗相关数据随时间的变化。其前瞻性、多中心特征使其可用于需要长期追踪数据的分析场景。由于源站未提供具体研究终点或分析用途，其他更具体的适用场景无法确定。
【使用方法】
源站未提供该数据集的具体获取方式、访问权限、数据格式或使用接口等信息。已知的采集工具为 REDCap，所有站点通过该电子数据捕获系统录入数据，但如何向外部研究者开放或申请使用，源站未提供。
【质量与限制】
该登记库为前瞻性、多中心设计，并采用统一的电子数据采集系统 REDCap，这些特征有助于数据采集的规范化和一致性。随访周期长达5年，支持长期观察。但关于样本量、数据完整性、缺失情况、质量控制措施或偏倚控制等具体质量指标，源站未提供。此外，该数据集在分类上归入循环系统疾病下的其他类别，而其实际主题为消化系统相关疾病，分类与主题之间的对应关系需结合源站分类体系理解。
【引用与许可】
源站未提供该数据集的引用格式、许可条款或使用限制等信息。
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://clinicaltrials.gov/study/NCT03853772
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：胃食管反流病、巴雷特食管、咽喉反流、食管炎。本登记研究是一项前瞻性、多中心登记研究，纳入接受胃食管反流病及相关疾病和并发症诊断评估和/或治疗的患者。符合条件的患者将在整个治疗过程及长期（5年）随访期间收集疾病和治疗特异性数据。所有研究中心将采用通过REDCap进行的电子数据采集。
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。
