微生物组与环境对镰状细胞病及腿部溃疡影响研究(INSIGHTS Study)
该数据集来自 clinicaltrials.gov,对应 INSIGHTS Study,聚焦镰状细胞病(SCD)相关腿部溃疡这一严重并发症

基本信息
资源简介
微生物组与环境对镰状细胞病及腿部溃疡影响研究(INSIGHTS Study)
该数据集来自 clinicaltrials.gov,对应 INSIGHTS Study,聚焦镰状细胞病(SCD)相关腿部溃疡这一严重并发症。研究为多站点探索性研究,考察微生物、基因组及环境(社会与物理)因素对腿部溃疡发生、进展和延迟愈合的影响,假设其易感性由多因素共同决定。目标是识别与溃疡发生和进展相关的触发因素,加深对参与者临床表型、腿部溃疡微生物组及心理社会与环境因素的理解。数据可用于探索性分析与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:遗传疾病、基因组学。研究描述:腿部溃疡是镰状细胞病(SCD)一种严重且使人衰弱的并发症。本研究将探索可能影响镰状细胞病个体腿部溃疡形成发生与进展以及延迟愈合的微生物、基因组和环境(社会与物理)因素。SCD相关腿部溃疡的病因尚不清楚,我们假设发生腿部溃疡的易感性是多因素的。这项多站点研究是对镰状细胞病腿部溃疡个体微生物组和环境的探索性研究。该研究的目的是识别可能在腿部溃疡发生和进展中起关键作用的触发因素。本研究的核心目标是更好地了解参与者的临床表型、腿部溃疡微生物组以及心理社会和环境
【主题与分类】
主题标签:Genetic Disease、Genomics。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/NCT02156102
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/NCT02156102
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:遗传性疾病、基因组学。研究描述:腿部溃疡是镰状细胞病(SCD)的一种严重且使人衰弱的并发症。本研究将探讨可能影响SCD患者腿部溃疡发生、进展及愈合延迟的微生物、基因组和环境(社会与物理)因素。SCD相关腿部溃疡的病因尚不明确,我们假设腿部溃疡的易感性是多因素共同作用的结果。这项多中心研究是一项探索性研究,旨在探究镰状细胞病腿部溃疡患者的微生物组与环境。本研究的目标是识别可能在腿部溃疡发生和进展中起关键作用的触发因素。本研究的核心目标是更好地理解参与者的临床表型、腿部溃疡微生物组以及可能影响该并发症的心理社会和环境因素。目标:主要目标:采用基因组学方法表征伴有和不伴有腿部溃疡的SCD患者的皮肤微生物组。次要目标:1.
运用社会科学研究测量方法,识别影响伴或不伴腿部溃疡的镰状细胞病(SCD)患者生活质量的心理社会与物理环境因素。2. 开发一种新的SCD严重程度测量方法,整合临床结局与参与者的生活质量。3. 为研究人员制定指南,以满足遗传研究中多元化和资源匮乏群体的需求。终点:主要终点:表征SCD腿部溃疡的微生物组。次要终点:1. 表征SCD的表型变异。2. 识别慢性糖尿病足溃疡与SCD腿部溃疡微生物特征的异同。3. 调查影响伴或不伴腿部溃疡的SCD患者生活质量的物理与心理社会环境指标。4. 确定是否存在以下关联:
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。




