患有或不患有原发性抗磷脂抗体综合征的孕妇患者数据集

该数据集来自 clinicaltrials.gov,聚焦患有或不患有原发性抗磷脂抗体综合征的孕妇。研究目的是评估胎盘血管生成标志物预测原发性抗磷脂抗体综合征孕妇发生子痫前期风险的能力,并通过测定孕早、中、晚期母体血清中 sFlt-1 与 PlGF 水平及其比值,构建针对该人群的参考区间

IRCCS San RaffaeleIRCCS San Raffaele
clinicaltrials
浏览 13
其他预测PreeclampsiaImmunologic DiseasePregnancy ComplicationsPregnancy, High RiskRheumatic Diseases
Patients Pregnant Women With or Without Primary Antiphospholipid Antibody Syndrome

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

患有或不患有原发性抗磷脂抗体综合征的孕妇患者数据集

该数据集来自 clinicaltrials.gov,聚焦患有或不患有原发性抗磷脂抗体综合征的孕妇。研究目的是评估胎盘血管生成标志物预测原发性抗磷脂抗体综合征孕妇发生子痫前期风险的能力,并通过测定孕早、中、晚期母体血清中 sFlt-1 与 PlGF 水平及其比值,构建针对该人群的参考区间。研究将招募病例组与对照组两类受试者,可用于妊娠并发症风险预测与标志物参考区间相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:子痫前期、免疫性疾病、原发性抗磷脂抗体综合征、妊娠并发症、高危妊娠、风湿性疾病。本研究的目的是评估胎盘血管生成标志物预测原发性抗磷脂抗体综合征孕妇发生子痫前期风险的能力。通过测定妊娠各孕期(孕早期、孕中期和孕晚期)母体血清中 sFlt-1 和 PlGF 的水平及其 sFlt-1/PlGF 比值,构建针对妊娠期原发性抗磷脂抗体综合征女性的胎盘血管生成标志物参考区间。为此,本研究将招募两组受试者,一组为病例组,一组为对照组。

【主题与分类】

主题标签:Preeclampsia、Immunologic Disease、Pregnancy Complications、Pregnancy, High Risk、Rheumatic Diseases。本站分类:免疫系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05786235

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05786235

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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:子痫前期、免疫性疾病、原发性抗磷脂抗体综合征、妊娠并发症、高危妊娠、风湿性疾病。本研究旨在评估胎盘血管生成标志物预测原发性APS女性妊娠期PE风险的能力。通过测定妊娠各孕期(早孕期、中孕期和晚孕期)母体血清中sFlt-1和PlGF水平及其sFlt-1/PlGF比值,构建原发性APS妊娠女性特异性的胎盘血管生成标志物参考区间。为此,本研究将招募两组受试者,一组为病例组,一组为对照组。

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。

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。

获取专属数据定制方案