不同亚型原发性干燥综合征相关干眼患者临床队列研究

该数据集来自 clinicaltrials.gov,为不同亚型原发性干燥综合征相关干眼患者的临床队列研究。源站描述指出,患者常因严重干眼症状首诊眼科,而多数临床医生对干燥综合征干眼病认识不足,易致漏诊误诊;pSS 患者类型不多且深入研究较少,SS-DED 尚无特效药,多数患者需多种方法治疗以明确最有

Peking University Third HospitalPeking University Third Hospital
clinicaltrials
浏览 12
其他分类Dry Eye
Clinical Cohort Study in Patients With Different Subtypes of Primary Sjogren Syndrome Related Dry Eye

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-21

资源简介

不同亚型原发性干燥综合征相关干眼患者临床队列研究

该数据集来自 clinicaltrials.gov,为不同亚型原发性干燥综合征相关干眼患者的临床队列研究。源站描述指出,患者常因严重干眼症状首诊眼科,而多数临床医生对干燥综合征干眼病认识不足,易致漏诊误诊;pSS 患者类型不多且深入研究较少,SS-DED 尚无特效药,多数患者需多种方法治疗以明确最有效方案。研究通过建立不同亚型 pSS 干眼患者临床队列,探索 pSS 主要受累器官与泪液、血液相关生物标志物的关联,以及其与眼部受累严重程度、症状的关联(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:干眼。患者通常因严重干眼症状首先就诊于眼科医生,而大多数临床医生对干燥综合征干眼病(SS-DED)了解不足,这可能导致漏诊和误诊。临床上,pSS 患者类型不多,深入研究数量较少。同时,SS-DED 尚无特异性药物,大多数患者需要接受多种方法治疗,以了解哪些方法最有效。在本研究中,通过建立不同亚型 pSS 干眼患者的临床队列,我们探讨了 pSS 主要受累器官与泪液和血液相关各种生物标志物之间的关联,以及 pSS 主要受累器官、泪液成分和血液标志物与眼部受累严重程度、症状之间的关联。

【主题与分类】

主题标签:Dry Eye。本站分类:眼及附器疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05605314

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05605314

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:干眼症。患者通常因严重的干眼症状首次就诊于眼科医生,而大多数临床医生对干燥综合征干眼病(SS-DED)知之甚少,这可能导致漏诊和误诊。临床上,pSS患者类型不多,深入研究数量较少。同时,尚无治疗SS-DED的特效药物,大多数患者需要采用多种方法治疗,以了解哪些方法最为有效。本研究通过建立不同亚型pSS干眼患者的临床队列,探讨pSS主要受累器官与泪液和血液相关各种生物标志物之间的关联,以及pSS主要受累器官、泪液成分和血液标志物与眼部受累严重程度、症状进展和预后之间的关联。本研究初步构建了pSS眼部受累患者的特殊队列,有望从诊断、分类和治疗的新视角阐释其发病机制。

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。

获取专属数据定制方案