法国RMD队列中COVID19感染的心理健康后果
该数据集来自clinicaltrials.gov，为一项观察性、横断面、全国性、比较性研究，覆盖在FAI²R罕见病医疗路径网络医院中心及专科私人执业机构随访的炎症性风湿病、系统性自身免疫病和自身炎症性疾病患者
基本信息
资源简介
法国RMD队列中COVID19感染的心理健康后果
该数据集对应的是一项在法国开展的研究，题为“Mental Health Consequences of COVID19 Infection in the French RMD Cohort”，关注新冠感染对风湿肌肉骨骼疾病（RMD）患者心理健康的影响。研究采用观察性、横断面、全国性、比较性设计，纳入在FAI²R罕见病医疗路径网络医院中心及专科私人执业机构随访的炎症性风湿病、系统性自身免疫病和自身炎症性疾病患者，通过比较有新冠感染史的病例与无新冠感染史的对照，考察两组在心理健康方面的差异。数据集收录于本站“免疫系统疾病 / 其他”分类，来源为clinicaltrials.gov，主题标签涵盖Covid19、系统性自身免疫病、炎症性风湿病和自身炎症性疾病。
【数据集背景】
该研究围绕新冠感染与风湿肌肉骨骼疾病患者心理健康之间的关系展开。研究涉及的条件包括Covid19、系统性自身免疫病、炎症性风湿病和自身炎症性疾病。研究对象为在FAI²R罕见病医疗路径网络医院中心以及专科私人执业机构随访的RMD患者，涵盖炎症性风湿病、系统性自身免疫病和自身炎症性疾病患者群体。研究的核心目标是在RMD患者中，比较新冠感染病例与未感染新冠的对照在心理健康方面的状况。
【数据内容】
源站描述显示，该研究为观察性、横断面、全国性、比较性研究，纳入FAI²R罕见病医疗路径网络医院中心及专科私人执业机构随访的RMD患者。研究按新冠感染史将RMD患者分为病例组（有新冠感染）与对照组（无新冠感染），比较两组在心理健康方面的结果。数据的具体变量、样本量、测量工具及心理健康指标等细节，源站未提供。
【采集与来源】
数据来源站为clinicaltrials.gov。研究在法国全国范围内开展，覆盖FAI²R罕见病医疗路径网络的医院中心以及照护炎症性风湿病、系统性自身免疫病和自身炎症性疾病患者的专科私人执业机构。研究设计为观察性、横断面、比较性研究。其余关于采集时间、采集流程和具体数据来源的细节，源站未提供。
【适用场景】
基于源站描述，该数据集适用于关注新冠感染对风湿肌肉骨骼疾病患者心理健康影响的研究场景，也可用于涉及炎症性风湿病、系统性自身免疫病和自身炎症性疾病患者群体的比较性观察研究。其全国性、多机构覆盖的特点，使其可能适用于探讨不同诊疗路径随访环境下患者心理健康状况差异的研究。其他具体适用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该研究为观察性、横断面设计，源站描述未提供样本量、测量工具、缺失数据处理及偏倚控制等质量相关信息。横断面设计本身在因果推断方面的局限属于通用方法学常识，但该数据集的具体质量指标与限制说明，源站未提供。
【引用与许可】
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/NCT04510467
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
研究条件：Covid19、系统性自身免疫性疾病、炎症性风湿病、自身炎症性疾病。本研究为观察性、横断面、全国性、比较性研究，纳入在FAI²R罕见病医疗路径网络医院中心随访的RMD患者，以及诊治炎症性风湿病、系统性自身免疫性疾病和自身炎症性疾病患者的专科私人执业医师。研究目的是比较感染COVID-19的RMD患者（病例组）与未感染COVID-19的RMD患者（对照组）在心理健康方面的差异。
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。
