基本信息

模态

文本

任务类型

预测

创建/更新时间

2026-10-20

资源简介

沙特阿拉伯全国系统性红斑狼疮前瞻性队列

National Systemic Lupus Erythematosus Prospective Cohort, Saudi Arabia 是一个登记于 clinicaltrials.gov 的前瞻性队列数据集，主题聚焦系统性红斑狼疮（SLE）。该数据集面向沙特阿拉伯人群，采用开放队列研究设计，旨在弥补当地 SLE 研究以回顾性病历回顾为主、易受多种偏倚影响的不足，为疾病表现、病程与结局提供更系统的认识。在分类上，它属于免疫系统疾病领域的“其他”类别，主题标签为 SLE。整体而言，该数据集的价值在于以 prospectively 收集的队列资料为基础，并有望结合免疫学、分子、遗传与微生物组等详细数据，深化对这一疾病的理解。

【数据集背景】

系统性红斑狼疮在沙特阿拉伯的疾病特征尚未得到充分界定，尤其是在近亲婚配率高、近交系数高的人群中。此前该国尚无针对 SLE 患者的前瞻性队列研究，已发表的文献多集中于回顾性病历回顾，这类研究容易受到多种形式偏倚的影响。为改善这一状况，研究者提出了该前瞻性登记队列，采用开放队列研究设计，目标是更好地理解疾病的表现、病程和结局，尤其是在辅以详细的免疫学、分子、遗传和微生物组数据时。

【数据内容】

该数据集的主题为系统性红斑狼疮，属于免疫系统疾病/其他分类。其设计为开放队列的前瞻性登记，关注疾病表现、病程与结局等维度。源站描述提到，该队列有望与详细的免疫学、分子、遗传及微生物组数据相结合，以支持更深入的分析。除上述方向性描述外，源站未提供具体的变量清单、样本量、随访时长或数据表结构等信息。

【采集与来源】

该数据集的来源站为 clinicaltrials.gov，登记名称为 National Systemic Lupus Erythematosus Prospective Cohort, Saudi Arabia。其采集对象为沙特阿拉伯的 SLE 患者人群，采集方式为前瞻性开放队列登记。源站未提供具体的招募人数、研究中心数量、随访频率、数据采集表单或质量控制流程等细节。

【适用场景】

基于其前瞻性队列设计与 SLE 主题，该数据集适用于研究沙特阿拉伯人群中系统性红斑狼疮的疾病表现、病程演变与结局，也可用于探讨在高近亲婚配率、高近交系数背景下疾病特征的差异。若与免疫学、分子、遗传和微生物组数据结合，还可支持多层次的疾病机制与关联分析。源站未提供具体的适用分析类型或已验证的应用案例。

【使用方法】

源站未提供该数据集的具体获取方式、访问权限、数据格式、字段说明或分析指南。使用者需依据来源站 clinicaltrials.gov 的登记信息进一步了解可用数据与使用条件。

【质量与限制】

该数据集采用前瞻性开放队列设计，相较于回顾性病历回顾有助于减少相关偏倚，这是其设计上的优势。但源站未提供样本量、随访完整性、缺失数据处理、数据核查机制等质量指标。其人群范围限定于沙特阿拉伯，外推至其他人群时需谨慎。源站未提供其他已知限制。

【引用与许可】

源站未提供该数据集的引用格式、许可条款或使用限制。

原始链接

https://clinicaltrials.gov/study/NCT04604990

访问原始数据

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://clinicaltrials.gov/study/NCT04604990

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。

数据说明

条件：SLE（系统性红斑狼疮）。沙特阿拉伯的SLE疾病特征目前尚不明确，尤其是在近亲婚配率高、近交系数高的人群中。迄今为止，沙特阿拉伯尚无针对SLE患者的前瞻性队列研究。因此，当前已发表的文献主要集中于回顾性病历审查，而这类研究易受多种偏倚影响。为此，研究者提出了本前瞻性登记研究，将采用开放队列研究设计，旨在更好地了解疾病的临床表现、病程及结局，尤其是在辅以详细的免疫学、分子生物学、遗传学及微生物组数据的情况下。

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