RATTRAP：英夫利西单抗对比利妥昔单抗治疗系统性坏死性血管炎
该数据集来自 clinicaltrials.gov，主题为 RATTRAP 研究，比较英夫利西单抗与利妥昔单抗在复发或难治性 ANCA 阳性系统性坏死性血管炎中的疗效
基本信息
资源简介
RATTRAP：英夫利西单抗对比利妥昔单抗治疗系统性坏死性血管炎
RATTRAP: Infliximab Versus Rituximab in Systemic Necrotizing Vasculitides 是一个登记于 clinicaltrials.gov 的研究数据集，主题为 RATTRAP 研究。该研究聚焦 ANCA 阳性系统性坏死性血管炎，涉及韦格纳肉芽肿、Churg-Strauss 综合征和显微镜下多血管炎三种疾病类型，旨在比较英夫利西单抗与利妥昔单抗在复发或难治性病例中的疗效。数据集在本站归入免疫系统疾病 / 其他分类，主题标签与上述三种疾病名称对应，可为关注抗中性粒细胞胞浆抗体相关血管炎治疗策略的使用者提供研究层面的信息来源。
【数据集背景】
系统性坏死性血管炎是一组以血管壁炎症和坏死为特征的疾病，其中 ANCA 阳性类型包括韦格纳肉芽肿、Churg-Strauss 综合征和显微镜下多血管炎。对于复发或难治性病例，治疗选择与疗效比较是临床关注的问题。RATTRAP 研究正是围绕这一背景设立，其目标在于比较英夫利西单抗与利妥昔单抗两种药物在复发或难治性 ANCA 阳性血管炎中的疗效。该数据集所承载的即是这一研究主题相关的信息，来源站为 clinicaltrials.gov。
【数据内容】
数据集的主题标签为韦格纳肉芽肿、Churg-Strauss 综合征和显微镜下多血管炎，对应源站描述中列出的疾病条件。研究涉及的核心比较对象为英夫利西单抗与利妥昔单抗，研究人群限定为复发或难治性形式的 ANCA 阳性血管炎患者。关于数据集内具体包含的字段、记录数量、变量类型、随访指标等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述说明了研究条件与目的，即针对韦格纳肉芽肿、Churg-Strauss 综合征和显微镜下多血管炎，比较利妥昔单抗与英夫利西单抗在复发或难治性 ANCA 阳性血管炎中的疗效。除来源站与上述描述外，关于采集时间、采集方式、更新频率等信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于了解 RATTRAP 研究的主题范围，包括其所关注的三种 ANCA 阳性血管炎疾病、所比较的两种生物制剂以及复发或难治性这一人群定位。它可用于检索和识别与该研究相关的信息入口。关于具体的分析用途、统计建模或临床决策支持等场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据格式、字段说明或操作指南等均未在现有信息中说明。
【质量与限制】
现有信息仅涵盖研究主题、疾病条件与比较目的，未提供样本量、数据完整性、准确性评估或偏倚控制等质量相关信息。该数据集为研究登记来源的信息集合，其内容范围以源站描述为限，使用者应注意信息覆盖面的局限。关于质量与限制的进一步说明，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT00307593
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：韦格纳肉芽肿、丘格-施特劳斯综合征、显微镜下多血管炎。本研究旨在比较利妥昔单抗与英夫利西单抗在ANCA阳性血管炎（显微镜下多血管炎、韦格纳肉芽肿和丘格-施特劳斯综合征）复发或难治性形式中的疗效。
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。
