既往、持续或新发ITP患者中COVID-19发病率与病程研究及COVID-19大流行对ITP管理影响的评估
该数据集来自clinicaltrials.gov，为多中心回顾性与前瞻性观察研究，通过预先试用的电子CRF收集意大利主要ITP中心连续匿名数据，覆盖既往或持续ITP患者中COVID-19的累积发病率及COVID-19期间新发ITP的累积发病率，并描述两组患者临床病程
基本信息
资源简介
既往、持续或新发ITP患者中COVID-19发病率与病程研究及COVID-19大流行对ITP管理影响的评估
该数据集来自clinicaltrials.gov，为多中心回顾性与前瞻性观察研究，通过预先试用的电子CRF收集意大利主要ITP中心连续匿名数据，覆盖既往或持续ITP患者中COVID-19的累积发病率及COVID-19期间新发ITP的累积发病率，并描述两组患者临床病程。研究期2年，入组24个月或至意大利连续1个月无COVID-19之日，随访至少6个月。可用于分析COVID-19与ITP的双向关系及大流行对ITP管理的影响（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Immune Thrombocytopenia、ITP、Covid19、ITP Secondary to Infection。多中心回顾性与前瞻性观察研究，基于通过预先试用的电子CRF收集来自代表全国地理分布的意大利主要ITP中心的连续匿名数据，以在2年研究期内评估既往或持续ITP患者中COVID-19的累积发病率（COVID-19 in ITP）以及COVID-19期间新发ITP的累积发病率（ITP in COVID-19）。将收集数据以描述两组患者的临床病程。入组期将持续24个月或至意大利连续1个月无COVID-19的最后一天，以先到者为准。每位患者将随访至按中心常规实践安排的首次访视，至少包括六个月。
【主题与分类】
主题标签：Immune Thrombocytopenia、ITP、Covid19、ITP Secondary to Infection。本站分类：免疫系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04735588
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/NCT04735588
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：免疫性血小板减少症、ITP、Covid19、继发于感染的ITP。基于通过预先试用的电子CRF收集来自代表意大利全国地理分布的主要ITP中心的连续匿名数据，开展多中心回顾性和前瞻性观察性研究，以在为期2年的研究期内评估既往或正在患ITP的患者中COVID-19的累积发病率（ITP中的COVID-19）以及在COVID-19期间新发ITP的累积发病率（COVID-19中的ITP）。将收集数据以描述两组患者的临床病程。入组期将持续24个月，或在意大利无COVID-19满1个月的最后一天终止，以先到者为准。每位患者将随访至按各中心常规实践安排的首次访视，包括出院或隔离居家 confinement 结束后至少六个月。
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。
