生长激素与IGF-I检测间变异性研究
该数据集来自 clinicaltrials.gov,聚焦肢端肥大症与生长激素缺乏症,研究商用检测方法测定生长激素(GH)和胰岛素样生长因子(IGF-1)时的变异性

基本信息
资源简介
生长激素与IGF-I检测间变异性研究
该数据集来自 clinicaltrials.gov,聚焦肢端肥大症与生长激素缺乏症,研究商用检测方法测定生长激素(GH)和胰岛素样生长因子(IGF-1)时的变异性。假设认为这种变异性足够大,可能导致在诊断和管理GH缺乏与肢端肥大症时得出不同结论。研究要求受试者在OGTT或GHRH-精氨酸刺激试验期间额外采血,以评估检测差异对临床决策的影响。数据可用于分析GH和IGF-1检测结果的稳定性、一致性及其在内分泌疾病诊断中的潜在影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肢端肥大症、生长激素缺乏症。本研究将探讨商用检测方法测定GH和IGF-1的变异性。假设是GH和IGF-1测定的变异性足够大,以至于在GH缺乏和肢端肥大症的诊断与管理中,患者病例决策会得出不同结论。为了正确诊断生长激素分泌障碍,无论是缺乏还是过多,都必须准确测定GH(生长激素)血清和胰岛素样生长因子(IGF-1)。在本研究中,受试者将被要求在OGTT(肢端肥大症的一种检测)或生长激素刺激试验(GHRH-精氨酸刺激)期间向研究者提供额外血液。通常,血液会在OGTT开始和结束时测定,而对于GHRH-精氨酸,它 w
【主题与分类】
主题标签:Acromegaly、Growth Hormone Deficiency。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00638287
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/NCT00638287
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:肢端肥大症、生长激素缺乏症。本研究将探讨市售检测方法测定GH和IGF-1的变异性。假设GH和IGF-1测定的变异性足够大,以至于在生长激素缺乏症和肢端肥大症的诊断与管理中,患者病例决策会得出不同结论。为了正确诊断生长激素分泌障碍(无论是缺乏还是过多),必须准确测定血清生长激素(GH)和胰岛素样生长因子(IGF-1)。在本研究中,受试者将被要求在口服葡萄糖耐量试验(OGTT,一种肢端肥大症检测)或生长激素刺激试验(GHRH-精氨酸刺激)期间向研究者提供额外血液。通常,OGTT在开始和结束时采血测定,而GHRH-精氨酸试验则在试验前半小时以及随后每半小时采血一次,持续2小时。在本研究中,受试者将在临床指征检测采血时向我们提供额外血液。
无需额外穿刺,额外采集的血液也不会干扰临床检测。我们将用额外血液进行的检测与我们通常进行的检测完全相同,但会由不同的实验室完成。我们正在检测这些结果是否与我们常规实验室的结果相同。研究人群将包括:1)接受GH缺乏症检测(GHRH精氨酸兴奋试验)的垂体疾病受试者,2)疑似肢端肥大症并接受口服葡萄糖耐量试验(oGTT)的受试者,以及3)同时接受GHRH精氨酸试验和oGTT的正常对照者。所有组的患者都将抽血用于测量IGF-1。每次检测的血清将被分装并送往指定的实验室。对于受试者组1和组2,本研究带来的风险不超过最小风险,因为其涉及的流程未超出临床诊疗范围。
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。




