免疫调节治疗对自身免疫性甲状腺炎患者ICSI成功率的作用
该数据集来自clinicaltrials.gov，聚焦不孕症合并自身免疫性甲状腺炎且自身免疫抗体阳性的患者，探讨免疫调节药物能否改善其接受IVF-ET的生殖结局
基本信息
资源简介
免疫调节治疗对自身免疫性甲状腺炎患者ICSI成功率的作用
该数据集英文名为 The Role of Immunomodulatory Treatment in Success of ICSI in Patients With Autoimmune Thyroiditis，来源于 clinicaltrials.gov，本站将其归入内分泌、营养和代谢疾病 / 其他分类。数据集聚焦不孕症合并自身免疫性甲状腺炎且自身免疫抗体阳性的患者群体，核心议题是探讨免疫调节药物的使用能否改善这类患者接受 IVF-ET（体外受精-胚胎移植）后的生殖结局。数据集以 Infertility 与 Autoimmune Thyroiditis 为主题标签，整体围绕免疫调节干预与辅助生殖结局之间的关系展开，为相关临床研究与数据分析提供来源信息。
【数据集背景】
该数据集所对应的研究关注不孕症与自身免疫性甲状腺炎并存的患者。源站描述指出，研究条件包括 Infertility 与 Autoimmune Thyroiditis，研究目的是确定免疫调节药物的使用能否改善那些患有自身免疫性甲状腺炎且自身免疫抗体阳性、正在接受 IVF-ET 的不孕患者的生殖结局。这一背景说明数据集所承载的议题处于生殖医学与内分泌免疫交叉领域，涉及自身免疫状态对辅助生殖治疗结果的可能影响，以及免疫调节治疗在其中扮演的角色。
【数据内容】
数据集的主题标签为 Infertility 与 Autoimmune Thyroiditis，表明其内容围绕不孕症与自身免疫性甲状腺炎两个核心概念组织。源站描述进一步明确了研究对象特征：不孕、合并自身免疫性甲状腺炎、自身免疫抗体阳性，并接受 IVF-ET 治疗。研究关注的核心变量方向是免疫调节药物的使用与生殖结局之间的关系。关于数据集内具体包含哪些字段、记录数量、变量类型或结局指标的具体定义，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，本站分类为内分泌、营养和代谢疾病 / 其他。源站描述以研究条件与研究目的的形式呈现，说明其来源为临床试验注册信息。关于采集时间范围、采集地点、样本量、招募状态或随访安排等具体采集细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于关注不孕症合并自身免疫性甲状腺炎患者辅助生殖结局的研究场景，尤其是围绕免疫调节药物能否改善 IVF-ET 生殖结局这一问题的分析与讨论。也可用于内分泌、营养和代谢疾病分类下相关主题的检索与整理。关于更具体的建模、统计或临床决策应用，源站未提供相应说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据读取方式、字段说明、分析流程或配套工具等均未在现有信息中体现。
【质量与限制】
该数据集的信息以源站描述为主，研究目的明确，但关于数据完整性、样本代表性、结局测量的具体标准以及潜在偏倚控制等质量维度，源站未提供。使用时应注意到现有描述仅覆盖研究条件与目的，尚不足以支撑对数据质量的全面评估。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT03289403
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
条件：不孕症、自身免疫性甲状腺炎。本研究旨在确定使用免疫调节药物是否能改善接受IVF-ET、伴有自身免疫抗体阳性的自身免疫性甲状腺炎不孕患者的生殖结局。
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。
