IDMet（RaDiCo 队列）（RaDiCo-IDMet）
这项观察性研究的目标是根据代谢特征描述印记障碍（IDs）的自然史，覆盖所有患有 ID 的患者（成人和儿童），无论疾病严重程度如何，均进行分子特征描述，所有受试者均签署知情同意，并在一个合作中心随访
基本信息
资源简介
IDMet（RaDiCo 队列）（RaDiCo-IDMet）
IDMet（RaDiCo 队列）来源于 clinicaltrials.gov，属于内分泌、营养和代谢疾病 / 糖尿病分类。该观察性研究覆盖 Silver Russell Syndrome、Beckwith-Wiedemann Syndrome、Transient Neonatal Diabetes Mellitus、Angelman Syndrome、Prader-Willi Syndrome、Temple Syndrome、Kagami-Ogata Syndrome、Pseudohypoparathyroidism 等印记障碍患者，纳入成人与儿童，不论疾病严重程度，均需分子特征描述并签署知情同意，且在合作中心随访。研究旨在按代谢特。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Silver Russell Syndrome、Beckwith-Wiedemann Syndrome、Transient Neonatal Diabetes Mellitus、Angelman Syndrome、Prader-Willi Syndrome、Temple Syndrome、Kagami-Ogata Syndrome、Pseudohypoparathyroidism。这项观察性研究的目标是根据代谢特征描述印记障碍（IDs）的自然史，覆盖所有患有 ID 的患者（成人和儿童），无论疾病严重程度如何，均进行分子特征描述，所有受试者均签署知情同意，并在一个合作中心随访。它旨在回答的主要问题是： 我们能否识别所有印记疾病的共同代谢特征？ 哪些印记障碍对 ID 的代谢特征有影响？ 与 ID 相关的代谢风险有哪些？ 我们能否将代谢特征用于 ID 的临床分类和预后
【主题与分类】
主题标签：Silver Russell Syndrome、Beckwith-Wiedemann Syndrome、Transient Neonatal Diabetes Mellitus、Angelman Syndrome、Prader-Willi Syndrome、Temple Syndrome、Kagami-Ogata Syndrome、Pseudohypoparathyroidism、Familial Precocious Puberty。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05945576
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/NCT05945576
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：Silver Russell综合征、Beckwith-Wiedemann综合征、暂时性新生儿糖尿病、Angelman综合征、Prader-Willi综合征、Temple综合征、Kagami-Ogata综合征、假性甲状旁腺功能减退症。这项观察性研究的目标是根据所有受印记疾病影响的患者（成人和儿童）的代谢特征来描述印记疾病的自然史，无论疾病严重程度如何，均进行分子特征分析，所有受试者均签署知情同意书，并在一个合作中心进行随访。该研究旨在回答的主要问题包括：* 我们能否为所有印记疾病确定共同的代谢特征？* 哪些印记疾病对印记疾病的代谢特征有影响？* 与印记疾病相关的代谢风险有哪些？* 我们能否利用代谢特征对印记疾病进行临床分类和预后判断？* 是否存在适用于所有印记疾病的共同治疗方法？
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。
