自身免疫性Addison病肾上腺类固醇激素残余分泌的筛查与刺激试验
该数据集来自clinicaltrials.gov,聚焦原发性肾上腺功能不全中的自身免疫性Addison病(AAD)。源站描述指出,肾上腺皮质自身免疫性破坏是原发性肾上腺功能不全的主要病因,当90%的肾上腺皮质被破坏时AAD才出现临床表现

基本信息
资源简介
自身免疫性Addison病肾上腺类固醇激素残余分泌的筛查与刺激试验
该数据集来自clinicaltrials.gov,聚焦原发性肾上腺功能不全中的自身免疫性Addison病(AAD)。源站描述指出,肾上腺皮质自身免疫性破坏是原发性肾上腺功能不全的主要病因,当90%的肾上腺皮质被破坏时AAD才出现临床表现。传统观点认为肾上腺功能不全会最终完全丧失类固醇分泌,但若干病例报告提示可能存在仍保留部分类固醇生成能力的患者亚组,这种能力或有助于预防肾上腺危象、简化用药并改善生活质量。该研究旨在系统评估AAD患者残余肾上腺皮质功能的程度并刻画该亚组,设计为开放、非随机研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:原发性肾上腺功能不全。肾上腺皮质的自身免疫性破坏是原发性肾上腺功能不全(Addison病,AD)的主要原因。当肾上腺皮质的90%被破坏时,自身免疫性AD(AAD)才出现临床表现。当前的主流观点认为肾上腺功能不全是最终完全性的,即肾上腺皮质完全停止产生类固醇。然而,若干病例报告表明,可能存在一个患者亚组,即使在诊断多年后仍保留部分类固醇生成能力。这种能力可能是有益的,因为它可以预防肾上腺危象、简化用药,并使患者拥有更好的生活质量。本研究的目的是系统评估AAD患者残余肾上腺皮质功能的程度,并刻画该亚组。该研究将是一项开放、非随机、三
【主题与分类】
主题标签:Primary Adrenal Insufficiency。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03793114
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/NCT03793114
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:原发性肾上腺功能不全。自身免疫性破坏肾上腺皮质是原发性肾上腺功能不全(艾迪生病,AD)的主要原因。当肾上腺皮质90%被破坏时,自身免疫性AD(AAD)在临床上变得明显。目前的教条认为肾上腺功能不全是最终完全性的,即肾上腺皮质完全停止产生类固醇。然而,几例病例报告表明,可能存在一部分患者即使在诊断多年后仍保留一定的类固醇产生能力。这种能力可能是有益的,因为它可以预防肾上腺危机,简化药物治疗,并使患者拥有更好的生活质量。该研究的目标是系统评估AAD患者残留肾上腺皮质功能的程度,并描述这一亚组的特征。该研究将是一项开放的非随机三阶段多中心临床试验,纳入来自挪威器官特异性自身免疫性疾病登记处(ROAS)、瑞典艾迪生登记处和德国的患者。
在第一阶段,患者将被要求填写问卷,并提供空腹服药后的样本以分析肾上腺类固醇。此外,患有先天性肾上腺增生(CAH)且双侧肾上腺切除的患者将作为肾上腺类固醇的阴性对照。第二阶段,有残留类固醇产生的AAD患者将被邀请进行科赛促素刺激试验,以评估肾上腺的最大类固醇输出量。同时,20名无残留功能迹象的患者也将作为对照组接受测试。第三阶段,确认有残留功能的AAD患者将被邀请进行为期30小时的动态间质液采样,以研究肾上腺皮质激素水平的昼夜变化。此外,新诊断的AAD患者将被邀请重复进行科赛促素测试,以此描绘肾上腺皮质功能衰竭的自然进程。
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。




