丹麦前瞻性结节病登记库的建立及丹麦结节病队列基线特征
该数据集源自clinicaltrials.gov，围绕丹麦前瞻性结节病登记库的建立及一个丹麦结节病队列的基线特征展开。数据覆盖结节病患者在基线时的流行病学特征、合并症、影像学、组织病理学、诊断性检查及治疗等信息
基本信息
资源简介
丹麦前瞻性结节病登记库的建立及丹麦结节病队列基线特征
该数据集对应丹麦前瞻性结节病登记库的建设工作，并包含一个丹麦结节病队列的基线特征描述，主题聚焦于结节病（Sarcoidosis）。数据来源为clinicaltrials.gov，在本站归类于免疫系统疾病 / 其他。数据集围绕登记库建立与队列基线刻画两条主线展开，覆盖结节病患者在基线时的流行病学特征、合并症、影像学表现、组织病理学结果、诊断性检查以及治疗情况等信息，可用于了解该丹麦结节病队列在入组时的整体临床面貌。以下依据可获得的信息，从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面进行介绍。
【数据集背景】
结节病是一种累及多系统的疾病，其临床表现在不同人群中存在差异，建立系统化的登记库有助于对患者进行长期、结构化的观察与描述。该数据集所对应的研究关注丹麦前瞻性结节病登记库的开发，并对一个丹麦结节病队列的基线特征进行刻画。源站描述明确指出，研究条件为结节病，工作内容包括丹麦结节病登记库的建设，以及对结节病患者的基线流行病学特征、合并症、影像学、组织病理学、诊断性检查与治疗等方面的表征。这一背景决定了数据集的核心价值在于呈现登记库框架下队列入组时的基线信息，而非某一单项检查或单一治疗的结果。
【数据内容】
数据集的内容围绕结节病患者的基线特征组织，涵盖流行病学特征、合并症、影像学、组织病理学、诊断性检查及治疗等维度。主题标签为结节病。就整体而言，数据描述的是一个丹麦结节病队列在基线时的人口学与临床概况，以及与之相关的诊断与治疗信息。需要说明的是，各维度的具体变量、字段结构、样本量、时间跨度与随访安排等细节，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov，对应一项以结节病为研究条件的登记库建设与队列特征描述工作。源站描述表明其工作内容包括丹麦结节病登记库的开发，以及对结节病患者在基线流行病学特征、合并症、影像学、组织病理学、诊断性检查与治疗方面的表征。关于具体的招募方式、数据采集流程、登记库的技术实现与数据管理细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于围绕结节病队列基线特征开展描述性了解，例如考察结节病患者在基线时的流行病学特征、合并症分布、影像学与组织病理学表现、诊断性检查及治疗情况等主题。也可用于了解丹麦前瞻性结节病登记库的建设背景与队列刻画思路。由于缺乏变量级与样本级的细节说明，其是否适合特定统计分析、比较研究或模型训练，源站未提供相应依据。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取途径、访问权限、数据格式、变量字典、配套文档以及分析建议等。使用前需依据源站的实际说明进行确认。
【质量与限制】
该数据集的信息来自clinicaltrials.gov的登记描述，内容以研究条件与研究内容的概述为主。关于数据质量指标、完整性、缺失情况、样本代表性、偏倚控制以及数据更新与维护机制等，源站未提供。各维度信息的具体粒度与可分析程度亦源站未提供，因此在使用时应注意其描述性定位。
【引用与许可】
源站未提供该数据集的引用方式与许可条款。使用或传播前应查阅来源站点的相关规定。
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/NCT04388566
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：结节病。建立丹麦结节病登记系统。描述结节病患者队列的基线流行病学特征、合并症、影像学、组织病理学、诊断性检查及治疗情况。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
