自身免疫性肝炎生化应答影响因素研究
该数据集来自 clinicaltrials.gov，聚焦自身免疫性肝炎（AIH），旨在建立高质量、标准化的 AIH 前瞻性队列并进行定期随访，以明确中国 AIH 的临床特征、构建预后模型，并探索新的血清标志物或 AIH 基因易感性，从而为中国 AIH 的防治提供关键临床证据
基本信息
资源简介
自身免疫性肝炎生化应答影响因素研究
该数据集英文名为“A Study on Factors of Biochemical Response in Autoimmune Hepatitis”，来源于 clinicaltrials.gov，聚焦自身免疫性肝炎（AIH）这一免疫系统疾病。其核心目标是在中国建立高质量、标准化的 AIH 前瞻性队列并开展定期随访，系统厘清中国 AIH 患者的临床特征，在此基础上构建预后模型，并进一步探索新的血清标志物或 AIH 基因易感性，从而为中国 AIH 的预防与治疗提供关键临床证据。数据集以 Autoimmune Hepatitis 为主题标签，在分类上归属于免疫系统疾病下的“其他”类别，整体定位是一项面向临床科研的前瞻性队列研究数据资源，服务于疾病特征描述、预后评估与标志物探索等研究方向。
【数据集背景】
自身免疫性肝炎是一种由免疫系统攻击肝细胞引起的慢性肝脏疾病，其临床过程、生化应答及长期预后存在较大异质性。该数据集所依托的研究以中国 AIH 人群为对象，试图通过建立高质量、标准化的前瞻性队列并配合定期随访，弥补对本国人群临床特征认识不足的问题，并为后续预后模型构建和标志物探索奠定队列基础。源站描述明确指出，研究的最终目的是为中国 AIH 的防治提供关键临床证据。
【数据内容】
依据源站描述，该数据集围绕 AIH 前瞻性队列展开，内容涉及患者的临床特征、随访过程中的生化应答相关因素，以及用于构建预后模型所需的信息；研究还计划探索新的血清标志物与 AIH 基因易感性。数据集的主题标签为 Autoimmune Hepatitis，所属分类为免疫系统疾病 / 其他。关于具体变量字段、样本量、随访时长、生化指标种类与基因检测项目等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于以临床研究注册信息为来源的数据资源。源站描述显示，研究采用前瞻性队列设计，并对入组对象进行定期随访，以保证数据的标准化与连续性。关于采集机构、采集地点、采集时间窗口、随访频率及数据录入流程等具体信息，源站未提供。
【适用场景】
该数据集适用于自身免疫性肝炎相关的临床研究场景，包括描述中国 AIH 人群的临床特征、分析与生化应答相关的因素、构建与验证预后模型，以及探索血清标志物和基因易感性等方向。同时，其前瞻性队列与定期随访的设计特点，也适合用于需要纵向观察疾病演变过程的研究。关于具体可支持的分析方法或建模任务，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集强调高质量与标准化的前瞻性队列建设及定期随访，这是其质量设计上的主要着眼点。但关于数据完整性、缺失率、随访脱落情况、质量控制指标及已知偏倚等具体信息，源站未提供。使用时应结合源站描述所界定的研究目标理解其适用范围。
【引用与许可】
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/NCT06356506
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：自身免疫性肝炎。本研究旨在建立高质量、标准化的自身免疫性肝炎（AIH）前瞻性队列并进行定期随访，明确中国AIH的临床特征，构建预后模型，并探索新的血清标志物或AIH基因易感性，从而为中国AIH的防治提供关键临床证据。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
