儿童至成人过渡期的乳糜泻
该数据集来自 clinicaltrials.gov,主题为儿童至成人过渡期的乳糜泻。乳糜泻是全球最常见的慢性胃肠道疾病之一,影响全球1-3%的人口,需终身严格无麸质饮食治疗

基本信息
资源简介
儿童至成人过渡期的乳糜泻
该数据集来自 clinicaltrials.gov,主题为儿童至成人过渡期的乳糜泻。乳糜泻是全球最常见的慢性胃肠道疾病之一,影响全球1-3%的人口,需终身严格无麸质饮食治疗。儿童患者饮食治疗成功时预后良好,但持续接触麸质可能增加永久性并发症风险;无麸质饮食也可能带来生活负担并损害生活质量。推荐定期随访以支持治疗并早期发现合并症和并发症,但实践中患者常失访,关于随访意义及最佳实施的研究稀缺。儿童患者因可能无法自主管理而构成特殊群体(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Celiac Disease, Celiac Disease in Children, Transition of Care, Follow-up, Diet, Gluten-Free. 乳糜泻是影响全球1-3%人口的最常见慢性胃肠道疾病之一。它通过终身严格的无麸质饮食治疗。当饮食治疗成功时,儿科患者的预后似乎极好,而持续接触麸质可能增加甚至永久性并发症的风险。然而,无麸质饮食可能造成日常生活中的负担和限制,损害生活质量。推荐定期随访以支持治疗并早期发现可能的合并症和并发症,但在实践中,患者常常失访。关于随访意义及其最佳实施的研究稀缺。儿科患者在此构成一个特殊群体,因为他们可能甚至
【主题与分类】
主题标签:Celiac Disease、Celiac Disease in Children、Transition of Care、Follow-up、Diet, Gluten-Free。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05084937
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/NCT05084937
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
条件:乳糜泻、儿童乳糜泻、医疗过渡、随访、饮食、无麸质。乳糜泻是影响全球1-3%人口的最常见慢性胃肠道疾病之一。其治疗需终身严格遵循无麸质饮食。当饮食治疗成功时,儿科患者的预后似乎极佳,而持续接触麸质则可能增加风险,甚至导致永久性并发症。然而,无麸质饮食可能给日常生活带来负担和限制,影响生活质量。建议定期随访以支持治疗并及早发现可能的共病和并发症,但在实践中,患者常常失访。关于随访意义及其最优实施的研究很少。儿科患者在此构成一个特殊群体,因为如果诊断是在幼儿期确定的,他们甚至可能不记得诊断的原因,而关于疾病及其治疗的教育通常主要提供给照护者。
在青春期,治疗的责任转移到患者自身,同时生活中还发生其他重大变化,他们比其它患者更常面临无麸质饮食的挑战。尽管如此,关于从儿科向成人医疗过渡的研究却非常少。本研究评估了儿童期(<16岁)确诊乳糜泻的13-19岁患者,并在选定变量上将其与无乳糜泻的青少年进行比较。研究聚焦于医疗随访实践,并在随机对照研究设计中试点CeliCAT过渡表格。主要假设是,结构化随访和儿科患者向成人医疗的过渡可预测其日后更好的健康、生活质量和饮食治疗依从性。数据通过体格检查、问卷以及血液和尿液样本收集。随访安排在首次就诊后的第一年和第三年。
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。




