新诊断风湿性多肌痛与巨细胞动脉炎患者治疗反应预测因素
该数据集来自 clinicaltrials.gov,聚焦新诊断的风湿性多肌痛(PMR)与巨细胞动脉炎(GCA)患者。源站描述指出,这两种疾病关系密切,一线治疗均为糖皮质激素(GC),但所需剂量与疗程因人而异,约半数患者会出现复发,个体间激素反应差异的原因尚不明确

基本信息
资源简介
新诊断风湿性多肌痛与巨细胞动脉炎患者治疗反应预测因素
该数据集来自 clinicaltrials.gov,聚焦新诊断的风湿性多肌痛(PMR)与巨细胞动脉炎(GCA)患者。源站描述指出,这两种疾病关系密切,一线治疗均为糖皮质激素(GC),但所需剂量与疗程因人而异,约半数患者会出现复发,个体间激素反应差异的原因尚不明确。该前瞻性对照研究的数据可用于识别对 GC 抵抗的受试者,支持治疗反应预测相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:风湿性多肌痛(PMR)、巨细胞动脉炎(GCA)。风湿性多肌痛(PMR)和巨细胞动脉炎(GCA)是密切相关的炎症性风湿病。PMR 和 GCA 的一线治疗均为糖皮质激素(GC)。在 PMR 中,初始口服泼尼松等效剂量为 10 至 25 mg/天。相比之下,GCA 通常使用显著更高剂量的类固醇(起始剂量 1 mg/kg 体重)以预防血管并发症。控制 PMR 和 GCA 患者疾病所需的类固醇治疗剂量和持续时间各不相同,约半数患者会经历复发,复发可发生在 GC 剂量逐渐减少的早期或停止治疗后。类固醇反应个体间差异的原因尚不清楚。来自这项对照前瞻性研究的数据将有助于识别对 GC 抵抗的受试者,这将
【主题与分类】
主题标签:Polymyalgia Rheumatica (PMR)、Giant Cell Arteritis (GCA)。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/NCT05479448
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/NCT05479448
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:风湿性多肌痛(PMR)、巨细胞动脉炎(GCA)。风湿性多肌痛(PMR)与巨细胞动脉炎(GCA)是密切相关的炎症性风湿病。PMR和GCA的一线治疗均为糖皮质激素(GC)。PMR的初始口服泼尼松等效剂量为10~25 mg/日。相比之下,GCA通常使用显著更高剂量的类固醇(起始剂量1 mg/kg体重)以预防血管并发症。PMR和GCA患者控制疾病所需的类固醇治疗剂量和疗程存在差异,约半数患者会出现复发,复发多发生于GC减量早期或停药后。类固醇反应存在个体间差异的原因尚不明确。这项对照前瞻性研究的数据将有助于识别GC抵抗的受试者,从而可采用强化治疗策略(更高剂量或替代性免疫调节治疗)以克服抵抗。
另一方面,对GC的强反应性将为快速递减类固醇或采用较低剂量治疗提供合理依据,两者均可降低GC相关不良事件(如骨质疏松、感染、糖尿病和情绪障碍)的风险。深入了解个体GC信号传导和GC代谢与患者对类固醇治疗反应的关系,将有助于确定类固醇应答者特征。本前瞻性研究旨在探索PMR和/或GCA患者对类固醇治疗反应的不同预测因素。在入组时及所有随访访视中,临床评估将记录于SCQM数据库。所有PMR参与者将按照本地方治疗方案进行治疗:起始剂量为泼尼松15 mg/d,症状控制后每两周递减2.5 mg。递减至10 mg/d后,泼尼松剂量每月进一步减少2.5 mg。所有GCA患者按照已发表的指南进行治疗,泼尼松起始剂量为1mg/
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。

![大血管炎大轴向视野[18F]FDG PET/CT成像方案优化研究](/medical-api/medicalDataset/datasetCover/148497.jpg)


