疑似钩端螺旋体病住院患者队列
该数据集来自 clinicaltrials.gov，为针对疑似钩端螺旋体病住院患者的前瞻性干预性研究队列（COLEPT）
基本信息
资源简介
疑似钩端螺旋体病住院患者队列
该数据集英文名为 Cohort of Hospitalized Patients Suspected of Leptospirosis，来源于 clinicaltrials.gov，是一项针对疑似钩端螺旋体病住院患者的前瞻性干预性研究队列，研究简称 COLEPT。钩端螺旋体病是一种被忽视的人畜共患传染病，该研究希望通过前瞻性随访，更充分地了解这一疾病。研究在住院急性钩端螺旋体病病例的前瞻性随访过程中，对参与者开展为期 1 年的流行病学、临床、细菌学与免疫学数据评估，主要干预内容为血液采样及生物样本库的建立。在本站分类中，该数据集归入免疫系统疾病 / 其他类别，主题标签为钩端螺旋体病。以下依据可获得的信息对该数据集作进一步介绍。
【数据集背景】
钩端螺旋体病属于被忽视的人畜共患传染病，相关研究数据相对有限。COLEPT 作为一项前瞻性干预性研究，其设计目标在于更好地认识该疾病，通过住院急性病例的持续随访积累多维度信息。该数据集即来自这一研究背景，聚焦于疑似钩端螺旋体病的住院患者人群。
【数据内容】
根据源站描述，研究在为期 1 年的前瞻性随访中评估参与者的流行病学、临床、细菌学与免疫学数据。研究的主要干预为血液采样以及生物样本库的建立。除上述数据类别与干预内容外，源站未提供更细化的变量清单、样本量或具体检测指标。
【采集与来源】
该数据集来源于 clinicaltrials.gov。数据采集依托 COLEPT 这一前瞻性干预性研究，在住院急性钩端螺旋体病病例的前瞻性随访过程中完成，随访周期为 1 年。采集活动围绕血液采样展开，并伴随生物样本库的构建。关于采集地点、采集频次与具体操作流程，源站未提供。
【适用场景】
基于现有信息，该数据集可用于围绕钩端螺旋体病的流行病学、临床、细菌学与免疫学方面的研究，也可为生物样本库相关研究提供支持。其前瞻性随访设计适合用于观察住院急性病例在 1 年随访期内的相关数据。除此之外的具体应用方向，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方式、访问途径或分析指引。
【质量与限制】
该数据集为前瞻性干预性研究队列，随访期为 1 年，研究对象为疑似钩端螺旋体病的住院患者。关于数据质量评价、样本规模、缺失情况与使用限制，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT04034550
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：钩端螺旋体病。COLEPT是一项前瞻性干预研究，旨在更好地了解钩端螺旋体病这一被忽视的人畜共患传染病。在对住院急性钩端螺旋体病病例进行前瞻性随访期间，将在1年内对参与者进行流行病学、临床、细菌学和免疫学数据的评估。主要干预措施包括血液采样和生物样本库的建立。
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。
