Fabry病早期检测
研究利用医院电子健康记录数据库近 10 年的真实世界数据，开发先进的自然语言处理方法，并构建预测算法，通过多级似然比对参与者进行排序，同时使用阳性对照验证算法在识别 FD 参与者方面的性能
基本信息
资源简介
Fabry病早期检测
该数据集名为 Early Detection of Fabry Disease，来源于 clinicaltrials.gov，本站将其归类于内分泌系统疾病 / 先天性代谢缺陷方向，主题标签为 Fabry Disease。其核心目标是对法布里病（Fabry Disease，FD）进行早期检测。研究基于医院电子健康记录数据库中的真实世界数据，时间跨度覆盖近 10 年，旨在开发先进的自然语言处理方法，并构建预测算法，同时测量该算法在识别 FD 参与者方面的性能。研究还通过多级似然比对参与者进行排序，并使用阳性对照验证算法。该研究不测试任何研究性药品或器械，医院电子健康记录数据的分析周期最长可达 6 个月。
【数据集背景】
法布里病是一种先天性代谢缺陷，属于内分泌系统疾病相关范畴。该数据集所对应的研究聚焦于利用真实世界数据实现法布里病的早期检测。传统上，法布里病的识别可能面临延迟或漏诊风险，而本研究试图借助医院电子健康记录中积累的大量真实世界数据，结合先进的自然语言处理方法和预测算法，提升对 FD 参与者的识别能力。研究的主要目的包括：开发先进的自然语言处理方法，构建预测算法，并测量算法在识别 FD 参与者方面的性能。此外，研究还涉及使用多级似然比对参与者进行排序，并利用阳性对照对算法进行验证。
【数据内容】
该数据集围绕法布里病相关参与者展开，数据内容来源于医院电子健康记录数据库。根据源站描述，研究使用近 10 年的医院电子健康记录数据，用于描述参与者中 FD 的排序情况，排序方法为多级似然比。数据中涉及对参与者的识别与排序，并包含用于验证算法的阳性对照。研究不涉及任何研究性药品或器械，因此数据内容不包含药物或器械试验相关记录。关于数据的具体字段、变量数量、样本量、参与者人口学特征、健康记录的具体条目等，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，数据采集自医院电子健康记录数据库。源站描述指出，研究使用来自医院电子健康记录数据库的过去 10 年数据。数据采集和分析的周期最长可达 6 个月。研究不测试任何研究性药品或器械，因此不涉及相关干预措施的采集。关于数据采集的具体医院数量、地理范围、采集频率、数据提取方式等，源站未提供。
【适用场景】
该数据集适用于法布里病早期检测相关的研究与开发场景。具体而言，可用于开发和评估先进的自然语言处理方法，构建和测试预测算法，测量算法在识别 FD 参与者方面的性能。此外，还可用于基于多级似然比对参与者进行排序的研究，以及使用阳性对照验证算法的研究。由于研究不涉及研究性药品或器械，该数据集不适用于药品或器械临床试验相关场景。关于其他潜在应用场景，源站未提供。
【使用方法】
根据源站描述，该数据集的使用方式包括：利用医院电子健康记录数据库中的真实世界数据，开发先进的自然语言处理方法；构建预测算法；测量算法在识别 FD 参与者方面的性能；使用多级似然比对参与者进行排序；使用阳性对照验证算法。医院电子健康记录数据的分析周期最长可达 6 个月。关于具体的技术实现步骤、算法类型、自然语言处理模型细节、验证指标的计算方式等，源站未提供。
【质量与限制】
该数据集基于医院电子健康记录数据库的真实世界数据，时间跨度近 10 年，并包含阳性对照用于算法验证。研究不测试任何研究性药品或器械，分析周期最长 6 个月。关于数据的完整性、准确性、缺失情况、偏倚控制、样本代表性、外部验证情况等质量指标，源站未提供。关于数据使用的具体限制条件，源站未提供。
【引用与许可】
该数据集的来源站为 clinicaltrials.gov。关于具体的引用格式、许可协议、使用条款、数据访问权限等信息，源站未提供。
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/NCT05106764
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：法布里病。本研究的主要目标是通过真实世界数据早期检测法布里病，以开发先进的自然语言处理方法，并开发预测算法，以及衡量该算法在识别法布里病参与者方面的性能。本研究旨在利用过去10年医院电子健康记录数据库中的数据，通过多水平似然比描述法布里病参与者的排名，并使用阳性对照验证该算法。本研究不会测试任何研究性药品或器械。将对医院电子健康记录数据进行分析，分析期最长可达6个月。
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。
