系统性自身免疫疾病与遗传性I型干扰素病中I型干扰素过量研究
该数据集来自clinicaltrials.gov,聚焦系统性自身免疫疾病与遗传性I型干扰素病患者中I型干扰素过量的研究。覆盖系统性红斑狼疮、系统性硬化症、炎症性肌病、结缔组织病及I型干扰素病等病种,通过干扰素基因特征和血浆IFN-α水平评估PBMC对DNA/RNA感应通路配体刺激的应答,并设强制Vi

基本信息
资源简介
系统性自身免疫疾病与遗传性I型干扰素病中I型干扰素过量研究
该数据集来自clinicaltrials.gov,聚焦系统性自身免疫疾病与遗传性I型干扰素病患者中I型干扰素过量的研究。覆盖系统性红斑狼疮、系统性硬化症、炎症性肌病、结缔组织病及I型干扰素病等病种,通过干扰素基因特征和血浆IFN-α水平评估PBMC对DNA/RNA感应通路配体刺激的应答,并设强制Visit 1与可选Visit 2及健康对照。可用于免疫系统疾病中I型干扰素通路激活机制与生物标志物研究(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、系统性硬化症(SSc)、炎症性肌病、结缔组织病、1型干扰素病。研究者假设,I型干扰素(IFN-I)的慢性过度产生由核酸感应通路的基础激活增加和/或细胞对内源性核酸的反应性增强所驱动,导致持续的IFN-I信号传导和持续性炎症。该研究的目的是通过评估干扰素基因特征和血浆IFN-α水平(在PBMC被一组DNA和RNA感应通路特异性配体刺激后)来表征IFN-I应答。SAFRAN研究方案包括患者的两次研究访视:强制Visit 1(V1)和可选
【主题与分类】
主题标签:Systememic Lupus Erythematosus、Systemic Sclerosis (SSc)、Inflammatory Myopathies、Connective Tissue Diseases、Type 1 Interferonopathies。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07837986
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/NCT07837986
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
疾病:系统性红斑狼疮、系统性硬化症(SSc)、炎性肌病、结缔组织病、1型干扰素病。研究者假设,I型干扰素(IFN-I)的慢性过度产生是由核酸感应通路的基础激活增强和/或细胞对内源性核酸的反应性增高所驱动,导致IFN-I信号持续和炎症持续。本研究的目的是通过评估干扰素基因特征和血浆IFN-α水平(在PBMCs被一组DNA和RNA感应通路特异性配体刺激后)来表征IFN-I反应。SAFRAN研究方案包括患者的两次研究访视:强制性的第1次访视(V1)和可选的第2次访视(V2),后者是否进行取决于V1获得的结果。健康对照参与者仅进行第1次访视(V1)。在第1次访视(V1)期间,研究者将作为常规疾病管理的一部分进行临床评估。疾病活动度将使用经过验证的临床评分系统进行评估。
对于系统性红斑狼疮(SLE)患者,将使用系统性红斑狼疮疾病活动指数(SLEDAI)评估疾病活动度。对于系统性硬化症患者,将使用改良Rodnan皮肤评分(mRSS)评估皮肤受累情况。此外,所有患者均将使用医师整体评估(PGA)量表评估疾病活动度。在第2次访视(V2)期间,通过体外检测发现干扰素信号异常的患者,将在作为标准临床护理一部分的常规随访访视期间接受额外采血。将额外采集12 mL血液,以进一步表征先前样本(V1)中检测到的异常,采集时间在初次评估后12个月内。
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。




