巨细胞动脉炎与风湿性多肌痛患者的糖尿病风险
该数据集来自 clinicaltrials.gov,为一项前瞻性全国队列研究,纳入巨细胞动脉炎(GCA)和风湿性多肌痛(PMR)患者,同时涉及大血管血管炎

基本信息
资源简介
巨细胞动脉炎与风湿性多肌痛患者的糖尿病风险
该数据集来自 clinicaltrials.gov,为一项前瞻性全国队列研究,纳入巨细胞动脉炎(GCA)和风湿性多肌痛(PMR)患者,同时涉及大血管血管炎。研究在基线及第1、3、6、12个月和此后每年随访时收集人口学、临床数据、患者报告结局和血液样本,并记录诊断信息与转诊史。数据可用于分析GCA和PMR患者发生糖尿病的风险及相关因素,支持内分泌与代谢疾病领域的预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:巨细胞动脉炎、风湿性多肌痛、大血管血管炎。该队列研究是一项针对巨细胞动脉炎(GCA)和风湿性多肌痛(PMR)患者的前瞻性全国队列研究。在基线以及第1、3、6、12个月和患者于风湿科治疗期间每年的随访访视中,将收集人口学资料、临床数据、患者报告结局和血液样本(Regionernes blod- og GenomBank)。试验流程:诊断信息和转诊史:入组时,患者将被登记为新发(诊断后3个月内首次访视)或现患。患者的诊断、诊断时间、做出诊断的医生类型、症状发作时间、转诊时间、首次访视时间、泼尼松龙开始日期、初始泼尼松龙剂量、诊断依据(临床、分类
【主题与分类】
主题标签:Giant Cell Arteritis、Polymyalgia Rheumatica、Large Vessel Vasculitis。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/NCT06011512
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/NCT06011512
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
疾病条件:巨细胞动脉炎、风湿性多肌痛、大血管血管炎。该队列研究是一项针对巨细胞动脉炎(GCA)和风湿性多肌痛(PMR)患者的前瞻性全国队列研究。在基线及第1、3、6、12个月以及患者于风湿科接受治疗期间每年进行的随访访视中,将收集人口统计学资料、临床数据、患者报告结局及血液样本(Regionernes blod- og GenomBank)。试验流程:诊断信息与转诊史:入组时,患者将登记为初发(诊断后3个月内首次就诊)或现患病例。将记录患者的诊断、诊断时间、确立诊断的医生类型、症状发作时间、转诊时间、首次就诊时间、泼尼松龙起始日期、初始泼尼松龙剂量、诊断依据(临床、分类标准、生化、超声、PET/CT、其他影像学检查方式、颞动脉活检)、是否符合1990年ACR巨细胞动脉炎分类标准、是否符合2018年DCVAS巨细胞动脉炎分类标准、是否符合2012年EULAR风湿性多肌痛分类标准。
将根据临床诊断和可获得的影像学检查结果进行疾病分层。据此,患者将被分类为“GCA”、“PMR”、“GCA合并PMR”。若确立GCA诊断,患者将进一步分类为“c-GCA”、“LV-GCA”。临床评估:每次访视时,将记录医师判定的疾病活动度分类:缓解、未经治疗升级的潜在复发、复发(治疗升级、难治性疾病)。自上次研究访视以来任何导致治疗强化的复发均将被记录。若在当前访视时怀疑复发,将记录支持疾病活动怀疑的发现及治疗后果。人口学资料:入组时将记录患者的年龄、性别、身高、体重及吸烟和饮酒史。用药:每次访视时
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。




