心力衰竭表型多尺度分析

数据集获取

源站：https://clinicaltrials.gov/study/NCT06280820

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：心力衰竭。
研究描述：我们的总体假设是，临床和分子数据将产生新的机制性知识，并改变我们对异质性心力衰竭（HF）综合征形式的理解。为此，我们将通过建立基于人群的注册登记系统来创建一个数据丰富的生态系统。通过将我们的工作扎根于哥伦比亚特区/马里兰州/弗吉尼亚州大都市区（DMV）内的社区，我们将优化推断并促进社区转化。我们将在DMV地区前瞻性招募一个由2000名临床HF参与者组成的社区队列，并采集血样以测量多组学（具体为蛋白质组学、代谢组学）特征。我们将把多组学检测结果与临床诊疗期间采集的电子病历（EMR）驱动的表型表征（例如，就诊时症状、合并症、衰弱、影像学数据、射血分数和实验室值）进行整合。患者记录将在招募后随访长达10年，以监测关键特征和事件，包括死亡。
目标：
主要目标：

• 研究多组学特征与全因死亡率之间的关联
  次要目标：

• 研究多组学特征与心血管死亡率之间的关联
• 研究多组学特征与心力衰竭临床亚表型之间的横断面关联
  探索性目标：
• 研究多组学特征与HF相关住院之间的关联。
• 研究多组学特征与基于临床生物标志物的HF亚表型在心力衰竭全谱中的横断面关联。
• 探索导致HF亚表型的胚系（即遗传性）和体细胞（即新发或获得性）遗传变异。
• 探索导致HF亚表型的表观遗传和基因表达改变。
  终点：
  主要终点将为全因死亡率

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。