欧洲狼疮起始队列发展倡议
该数据集来自clinicaltrials.gov,聚焦系统性红斑狼疮(SLE)这一临床表现多样的复杂自身免疫病。源站描述指出,尽管治疗已有进展,患者仍面临死亡率升高、长期并发症和生活质量受损等挑战,按EULAR推荐采用升阶梯治疗时仅约50%患者一年内达到低疾病活动状态

基本信息
资源简介
欧洲狼疮起始队列发展倡议
该数据集来自clinicaltrials.gov,聚焦系统性红斑狼疮(SLE)这一临床表现多样的复杂自身免疫病。源站描述指出,尽管治疗已有进展,患者仍面临死亡率升高、长期并发症和生活质量受损等挑战,按EULAR推荐采用升阶梯治疗时仅约50%患者一年内达到低疾病活动状态。建立带生物样本库的欧洲起始队列旨在提供标准化数据,以应对不断演变的治疗范式。数据可用于SLE队列研究与治疗结局分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:系统性红斑狼疮(SLE)。方案概要 1. 引言 系统性红斑狼疮(SLE)是一种临床表现多样的复杂自身免疫病。尽管近期治疗取得进展,挑战依然存在,包括死亡率升高、长期并发症和生活质量受损。我们仍采用依据EULAR推荐的升阶梯治疗策略,尽管我们知道仅约50%的患者在一年内达到低疾病活动状态。建立带生物样本库的欧洲起始队列旨在通过提供标准化数据来应对这些挑战,尤其是在不断演变的治疗范式背景下。2. 背景与理由 SLE的异质性带来挑战,全球队列在患者管理和遗传多样性方面存在差异。欧洲起始队列具有优势,包括同质
【主题与分类】
主题标签:Systemic Lupus Erythematosus (SLE)。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07209540
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/NCT07209540
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:系统性红斑狼疮(SLE)。方案概要 1. 引言 系统性红斑狼疮(SLE)是一种临床表现多样的复杂自身免疫性疾病。尽管近年来治疗取得了进展,但挑战依然存在,包括死亡率增加、长期并发症和生活质量受损。尽管我们知道只有约50%的患者在一年内达到低疾病活动状态,我们仍采用EULAR建议指导下的升阶梯治疗策略。建立带有生物样本库的欧洲起始队列旨在通过提供标准化数据来应对这些挑战,尤其是在治疗模式不断演变的背景下。2. 背景与理由 SLE的异质性带来挑战,全球各队列在患者管理和遗传多样性方面存在差异。欧洲起始队列具有优势,包括治疗标准和遗传背景的同质性,从而增强数据的可靠性。近期的治疗获批标志着进展,治疗模式向“达标治疗”转变,凸显了对疾病活动和应答因素进行更细致理解的必要性。3.
目标 主要目标是建立一个欧洲、多国、前瞻性、观察性起始SLE队列,并配备综合生物样本库。本研究旨在评估SLE患者在特定时间范围内使用新标准达到缓解或低疾病活动度的频率。利用生物样本库,本研究旨在识别与治疗应答/无应答、SLE相关合并症、疼痛、疲劳及遗传因素相关的新型生物标志物。这些目标包括研究可溶性生物标志物、遗传关联、代谢物及风险因素算法,以促进对疾病机制、治疗应答及合并症发生的理解。4. 研究设计 本欧洲、多国、多中心、前瞻性、观察性起始队列涉及在基线、3个月时的随访访视
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。
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。




