非药物研究:皮肤型狼疮特征分析
该数据集来自 clinicaltrials.gov,为一项 Phase 0 多中心观察性研究,聚焦狼疮患者的生物标志物与临床参数,覆盖盘状红斑狼疮(DLE)、亚急性皮肤型红斑狼疮(SCLE)和活动性系统性红斑狼疮(SLE)

基本信息
资源简介
非药物研究:皮肤型狼疮特征分析
该数据集来自 clinicaltrials.gov,为一项 Phase 0 多中心观察性研究,聚焦狼疮患者的生物标志物与临床参数,覆盖盘状红斑狼疮(DLE)、亚急性皮肤型红斑狼疮(SCLE)和活动性系统性红斑狼疮(SLE)。研究不涉及治疗性干预,也不限制或引入任何医疗干预。参与者将接受尿液、血液样本采集和皮肤活检等程序,计划入组至少 30 名参与者(≥10 例 DLE、≥10 例 SCLE、≥10 例 SLE)。所有参与者继续由个人医生按标准诊疗管理。所获数据有助于评估狼疮新疗法(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:皮肤型红斑狼疮、系统性红斑狼疮、盘状红斑狼疮。这是一项针对狼疮患者(包括盘状红斑狼疮(DLE)、亚急性皮肤型红斑狼疮(SCLE)和活动性系统性红斑狼疮(SLE))生物标志物和临床参数的 Phase 0 多中心观察性研究。没有与研究相关的治疗性干预,本方案不会限制或引入任何医疗干预,包括药物。研究参与者将接受包括收集尿液、血液样本和皮肤活检在内的程序。本研究将入组至少 30 名参与者(≥10 例 DLE、≥10 例 SCLE 和 ≥10 例 SLE)。所有参与者将继续由他们的个人医生按照其标准诊疗进行管理。本研究获得的数据将有助于评估狼疮的新疗法,并可能促进
【主题与分类】
主题标签:Lupus Erythematosus, Cutaneous、Lupus Erythematosus, Systemic、Lupus Erythematosus, Discoid。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01923415
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/NCT01923415
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:皮肤型红斑狼疮、系统性红斑狼疮、盘状红斑狼疮。这是一项0期、多中心观察性研究,旨在探讨红斑狼疮患者的生物标志物和临床参数,包括盘状红斑狼疮(DLE)、亚急性皮肤型红斑狼疮(SCLE)和活动性系统性红斑狼疮(SLE)。本研究不涉及与研究相关的治疗干预,且本方案不会限制或引入任何医疗干预,包括药物治疗。研究参与者将接受包括采集尿液、血液样本和皮肤活检在内的程序。本研究将至少招募30名参与者(≥10名DLE、≥10名SCLE和≥10名SLE)。所有参与者将继续由其私人医生按照其标准护理进行管理。本研究获得的数据将有助于评估红斑狼疮的新疗法,并可能促进红斑狼疮药物的研发。对于同意参与且当地法规允许的患者,将采集血液样本用于基因组分析,以供研究之用。每位患者将只有一个样本采集时间点。
安全性评估将包括实验室检测(血清生化和血液学)、与研究程序相关的不良事件(AEs)监测以及体格检查。
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。




