慢性免疫介导炎症性疾病患者家庭饮食习惯与组学特征关联研究：观察性多中心研究
研究为观察性多中心设计，源于 PNRR 2022 项目并延续 TRANSMIC 研究，关注饮食、肠道微生物组与健康之间的因果关系
基本信息
资源简介
慢性免疫介导炎症性疾病患者家庭饮食习惯与组学特征关联研究：观察性多中心研究
该数据集来自 clinicaltrials.gov，聚焦慢性免疫介导炎症性疾病患者家庭，涵盖 Juvenile Idiopathic Arthritis (JIA)、Crohn Disease (CD) 与 Ulcerative Colitis (UC) 三类疾病。研究为观察性多中心设计，源于 PNRR 2022 项目并延续 TRANSMIC 研究，关注饮食、肠道微生物组与健康之间的因果关系。数据可用于探索饮食习惯与组学特征之间的关联，支持炎症性肠病及伴关节表现的自身免疫炎症条件下的饮食作用研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Juvenile Idiopathic Arthritis (JIA)、Crohn Disease (CD)、Ulcerative Colitis (UC)。拟议研究是 PNRR 2022 项目（征集主题为“对医疗保健和社会援助系统具有高影响的非传染性慢性疾病（NCDs）”，目前正等待资助答复）的一部分，并且是名为 TRANSMIC 的观察性临床研究的延续，该研究已获得托斯卡纳地区儿科伦理委员会的批准。TRANSMIC 是联合规划倡议（JPI）下欧洲研究项目的组成部分，属于 HDHL-INTIMIC 主题：“健康饮食促进健康生活”，旨在理解饮食、肠道微生物组与人类健康之间的因果关系。理解饮食在炎症性肠病（IBD）中的作用，并探索其在具有关节表现的自身免疫炎症状况（如 JIA）中的作用，提供了额外的
【主题与分类】
主题标签：Juvenile Idiopathic Arthritis (JIA)、Crohn Disease (CD)、Ulcerative Colitis (UC)。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06862843
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/NCT06862843
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：幼年特发性关节炎（JIA）、克罗恩病（CD）、溃疡性结肠炎（UC）。拟议的研究是PNRR 2022项目的一部分（项目征集名称为“对医疗保健和社会援助系统具有高影响的非传染性慢性疾病（NCDs）”，目前正在等待资助结果），并且是名为TRANSMIC的观察性临床研究的延续，该研究已获得托斯卡纳地区儿科伦理委员会的批准。TRANSMIC是联合规划倡议（JPI）下欧洲研究项目的组成部分，属于HDHL-INTIMIC主题：“健康饮食促进健康生活”，旨在了解饮食、肠道微生物组与人类健康之间的因果关系。了解饮食在炎症性肠病（IBD）中的作用，并探索其在具有关节表现的自身免疫性炎症疾病（如JIA）中的作用，为这些疾病的发生、进展和管理提供了额外的见解，为利用饮食治疗预防这些炎症性疾病开辟了新的视野。
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。
