SARS-CoV-2感染相关儿童多系统炎症综合征的遗传基础
该数据集来自clinicaltrials.gov，聚焦SARS-CoV-2感染相关的儿童多系统炎症综合征（MIS-C），旨在研究IDEA网络识别的儿童COVID-19相关炎症性疾病的分子基础
基本信息
资源简介
SARS-CoV-2感染相关儿童多系统炎症综合征的遗传基础
该数据集英文名为 Genetic Basis of SARS-CoV-2 Infection-Associated Multisystem Inflammatory Syndrome in Children (MIS-C)，在站内归入感染性疾病 / 其他分类，来源为 clinicaltrials.gov。数据集聚焦SARS-CoV-2感染相关的儿童多系统炎症综合征（MIS-C），主题标签为“MIS-C Associated With COVID-19”。其核心目标是在IDEA网络识别出的儿童COVID-19相关炎症性疾病基础上，研究这类疾病的分子基础，涉及遗传背景、病理生理机制与临床谱系的刻画，并服务于治疗策略改进、随访方案制定以及高危个体识别等方向。整体而言，该数据集围绕儿童COVID-19相关炎症性疾病的遗传与分子层面研究需求而组织，面向感染性疾病与儿科炎症研究领域。
【数据集背景】
儿童多系统炎症综合征（MIS-C）是与SARS-CoV-2感染相关联的儿童炎症性疾病。该数据集所对应的项目旨在研究由IDEA网络识别出的儿童COVID-19相关炎症性疾病的分子基础。项目设定的目标包括：刻画这类疾病的遗传背景、病理生理机制和临床谱系；改进治疗策略；制定随访方案；识别处于风险中的个体。这些目标共同构成了数据集产生的背景，即从分子与遗传层面理解MIS-C及相关儿童炎症性疾病，并将研究结果导向临床治疗与随访管理。
【数据内容】
该数据集的主题标签为“MIS-C Associated With COVID-19”，其关注对象是SARS-CoV-2感染相关的儿童多系统炎症综合征。围绕项目目标，数据集所涉及的内容方向包括遗传背景、病理生理机制与临床谱系等研究要素，以及与之相关的治疗策略、随访项目和高危个体识别等应用方向。除上述由源站描述所体现的内容范围外，数据集的具体字段构成、样本规模、变量类型等细节源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中给出的疾病条件为“MIS-C Associated With COVID-19”。项目所研究的儿童COVID-19相关炎症性疾病由IDEA网络识别。除来源站与IDEA网络这一识别主体外，具体的采集地点、采集时间、采集流程与纳入排除标准等信息源站未提供。
【适用场景】
基于项目目标，该数据集适用于围绕SARS-CoV-2感染相关儿童多系统炎症综合征的分子与遗传研究场景，包括刻画疾病的遗传背景、探讨病理生理机制、描述临床谱系，以及为改进治疗策略、制定随访方案和识别风险个体提供研究基础。其站内分类为感染性疾病 / 其他，也可服务于感染性疾病领域内与儿科炎症相关的分析需求。除此之外的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】
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/NCT07881068
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：与COVID-19相关的儿童多系统炎症综合征（MIS-C）。该项目旨在研究与COVID-19相关的儿童炎症性疾病的分子基础，这些疾病由IDEA网络识别，目标是表征其遗传背景、病理生理学和临床谱系，改进治疗策略，制定随访计划，并识别高风险个体。
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。
