巨细胞动脉炎患者疾病活动生物标志物测定数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT00315497

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

疾病：颞动脉炎。巨细胞动脉炎（GCA）是一种罕见的自身免疫性疾病，是体内中型至大型血管炎症最常见的类型。该病通常仅发生于老年人。GCA最常见的症状包括头痛、肩部和髋部疼痛（风湿性多肌痛）、下颌疼痛（下颌跛行）、发热和视力模糊。目前，临床医生使用器官特异性损伤或损害标志物以及血管损伤和炎症的直接标志物来评估GCA疾病进展；然而，这些标志物在指导治疗方面并不十分有用。临床医生还使用血液检测来监测GCA活动性，例如红细胞沉降率（ESR）和C反应蛋白（CRP），但这些检测缺乏特异性和敏感性。目前可用的大多数GCA治疗方法具有毒性，因此，如果能找到其他指示疾病活动性的标志物，可能有助于开发毒性更低的治疗方法。本研究将采用新的科学方法来识别可用于监测GCA患者疾病活动性的新生物标志物。

这些生物标志物可用于指导GCA患者的临床诊疗，并助力未来的药物研发。研究访视将在第一年每月进行一次，此后在研究剩余期间每3个月进行一次。每次访视均采集血液和尿液。每3个月进行一次体格检查并记录病史和用药史；此外，参与者还需完成多份问卷，以评估疾病活动度、健康状况以及烟草、酒精和药物使用情况。若研究期间出现疾病复发或疾病相关并发症，参与者可能需额外进行研究访视。

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。