广州狼疮性肾炎队列高质量证据（HOPE队列）
1996年至2016年期间的患者为回顾性入组，2017年起开始前瞻性入组，形成覆盖约二十年的队列。数据可用于狼疮性肾炎的临床特征分析、病程与结局研究，以及回顾性与前瞻性队列方法学比较等方向（来源 clinicaltrials.gov）
基本信息
资源简介
广州狼疮性肾炎队列高质量证据（HOPE队列）
High Quality Evidence of Guangzhou Lupus Nephritis Cohort（HOPE Cohort）是一个以狼疮性肾炎（Lupus Nephritis, LN）为关注对象的队列数据集，在分类上归属于免疫系统疾病 / 其他，来源站为 clinicaltrials.gov。该队列的患者入组跨越约二十年：1996年至2016年期间的患者以回顾性方式入组，自2017年起则转为前瞻性入组。这一时间跨度与两种入组方式的衔接，使该数据集在狼疮性肾炎的临床特征分析、病程与结局研究，以及回顾性与前瞻性队列方法学比较等方向具有潜在应用价值。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】
狼疮性肾炎是系统性红斑狼疮常见的靶器官损害表现之一，其临床特征、病程演变与结局受到持续关注。HOPE Cohort 以广州地区的狼疮性肾炎患者为对象建立队列，旨在形成高质量证据。该数据集在主题标签上明确标注为 Lupus Nephritis (LN)，所属分类为免疫系统疾病 / 其他，来源站为 clinicaltrials.gov。就建队思路而言，该队列将历史病例的回顾性整理与后续新发病例的前瞻性跟踪相结合，从而在时间维度上覆盖约二十年的患者群体。
【数据内容】
该数据集的主题标签为狼疮性肾炎（LN），所涉及的条件（Conditions）同样为 Lupus Nephritis (LN)。从队列构成看，其患者群体按入组时间划分为两个部分：1996年至2016年期间的患者为回顾性入组，2017年起开始前瞻性入组。关于具体的变量字段、检测指标、随访项目及其数量等信息，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。患者入组方式按时间分段：1996年至2016年为回顾性入组，2017年起为前瞻性入组。关于具体的采集机构、采集流程、随访频率与数据管理细节，源站未提供。
【适用场景】
依据该队列的疾病主题与入组结构，其数据可用于狼疮性肾炎的临床特征分析、病程与结局研究，以及回顾性与前瞻性队列方法学比较等方向。上述方向与队列覆盖约二十年、并同时包含回顾性与前瞻性入组患者的特点相契合。关于其他具体应用场景，源站未提供。
【使用方法】
关于该数据集的获取途径、访问权限、数据格式、变量说明文档及配套分析工具等信息，源站未提供。
【质量与限制】
该数据集以“高质量证据”为名，并采用回顾性与前瞻性相结合的入组方式，时间跨度约二十年。关于样本量、缺失数据情况、偏倚控制措施、质量控制流程及已知局限等信息，源站未提供。
【引用与许可】
关于该数据集的引用方式、许可条款与使用协议等信息，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/NCT06682507
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：狼疮性肾炎（LN）。1996-2016年的患者为回顾性入组，2017年起患者为前瞻性入组。
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。
