粪菌移植真实世界研究：长期有效性与安全性统计
该数据集来自 clinicaltrials.gov，为单中心真实世界观察性研究，结合回顾性与前瞻性队列，系统评估粪菌移植（FMT）的长期有效性与安全性
基本信息
资源简介
粪菌移植真实世界研究：长期有效性与安全性统计
该数据集来自 clinicaltrials.gov，为单中心真实世界观察性研究，结合回顾性与前瞻性队列，系统评估粪菌移植（FMT）的长期有效性与安全性。覆盖复发性艰难梭菌感染、炎症性肠病、功能性胃肠病及部分肠外疾病，计划入组约4000例接受过FMT的患者。主要目标是评估FMT后3个月、1年、5年的真实世界临床缓解率，次要目标包括长期安全性等。可用于FMT长期疗效与安全性的预测建模及真实世界证据分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：复发性艰难梭菌感染、溃疡性结肠炎（UC）、克罗恩病（CD）、肠易激综合征（IBS）、慢性功能性便秘、化疗诱导性结肠炎、PD-1相关肠炎、自闭症谱系障碍。这是一项单中心、真实世界观察性研究，结合回顾性与前瞻性队列，系统评估粪菌移植（FMT）的长期有效性与安全性。该研究计划入组约4000名因一系列疾病接受过FMT的患者，包括复发性艰难梭菌感染、炎症性肠病、功能性胃肠病以及某些肠外疾病。主要目标是评估FMT后3个月、1年和5年的真实世界临床缓解率。次要目标包括评估长期安全性
【主题与分类】
主题标签：Ulcerative Colitis (UC)、Crohn Disease (CD)、Irritable Bowel Syndrome (IBS)、Chronic Functional Constipation、Chemotherapy-Induced Colitis、PD-1 Associated Enteritis、Autism Spectrum Disorder、Incomplete Intestinal Obstruction。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07261826
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/NCT07261826
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
疾病范围：艰难梭菌感染复发、溃疡性结肠炎（UC）、克罗恩病（CD）、肠易激综合征（IBS）、慢性功能性便秘、化疗相关性结肠炎、PD-1相关肠炎、自闭症谱系障碍。这是一项单中心、真实世界观察性研究，结合回顾性和前瞻性队列，系统评估粪菌移植（FMT）的长期有效性和安全性。该研究计划纳入约4，000名因一系列疾病接受过FMT的患者，包括复发性艰难梭菌感染、炎症性肠病、功能性胃肠病以及某些肠外疾病。主要目标是评估FMT后3个月、1年和5年的真实世界临床缓解率。次要目标包括评估长期安全性和不良事件、衡量生活质量的改善，并探索预测治疗成功的因素（如给药途径、供体选择和患者特征）。数据将从医疗记录和计划的随访中收集。
将采用先进的统计和机器学习模型来分析数据并构建预测模型。这项大规模研究的结果将为FMT的标准化和精准临床应用提供高质量证据。
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。
