肠道微生物群在憩室病中作用分析

该数据集来自 clinicaltrials.gov,为一项在 University Hospital of Navarra 开展的单中心前瞻性观察性队列研究,聚焦结肠憩室病、急性憩室炎与肠道微生物群

Hospital of NavarraHospital of Navarra
clinicaltrials
浏览 9
基因组分类Diverticular Disease of ColonAcute DiverticulitisGut Microbiota
Analysis of the Role of the Microbiota in Diverticular Disease

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-17

资源简介

肠道微生物群在憩室病中作用分析

该数据集来自 clinicaltrials.gov,为一项在 University Hospital of Navarra 开展的单中心前瞻性观察性队列研究,聚焦结肠憩室病、急性憩室炎与肠道微生物群。研究旨在从临床与分子层面扩展对憩室病及其病理变异型以及环境中微生物群影响的认识,描述憩室病与急性憩室炎患者的临床和病理特征,分析微生物群差异,并识别与憩室病相关的危险因素和人群,以建立最佳预防与治疗策略。可用于憩室病相关风险因素分析与患者分类研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:结肠憩室病、急性憩室炎、肠道微生物群。一项在 University Hospital of Navarra 开展的单中心、前瞻性观察性队列研究。主要目标是扩展对憩室病及其病理变异型以及我们环境中微生物群影响的认识,涵盖临床和分子层面;描述憩室病和急性憩室炎患者的临床和病理特征;分析微生物群的任何差异;并识别与憩室病相关的危险因素和人群,以建立最佳的预防和治疗策略。

【主题与分类】

主题标签:Diverticular Disease of Colon、Acute Diverticulitis、Gut Microbiota。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07681505

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07681505

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

条件:结肠憩室病、急性憩室炎、肠道微生物群。一项在纳瓦拉大学医院开展的单中心、前瞻性观察性队列研究。主要目的是扩展对憩室病及其病理变异型的认识,以及微生物群在我们环境中在临床和分子层面上的影响;描述憩室病和急性憩室炎患者的临床和病理特征;分析微生物群中的任何差异;并识别与憩室病相关的风险因素和人群,以制定最佳的预防和治疗策略。

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。

获取专属数据定制方案