RADx-rad：识别与管理儿童多系统炎症综合征（MIS-C）及川崎病的数据科学方法
本研究的主要目标是设计并验证一个预测性决策支持系统，用于识别、治疗和管理与严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）相关的儿童多系统炎症综合征（MIS-C）
基本信息
资源简介
RADx-rad：识别与管理儿童多系统炎症综合征（MIS-C）及川崎病的数据科学方法
PRJNA846920 数据集围绕儿童多系统炎症综合征（MIS-C）与川崎病的识别与管理展开，其英文全称为 Rapid Acceleration of Diagnostics - Radical (RADx-rad): A Data Science Approach to Identify and Manage Multisystem Inflammatory Syndrome in Children (MIS-C) Associated With SARS-CoV-2 Infection and Kawasaki Disease in Pediatric Patients。该数据集来源于 ncbi.nlm.nih.gov，在本站被归类为感染性疾病 / 其他。其核心研究目标是设计并验证一个预测性决策支持系统，用于识别、治疗和管理与严重急性呼吸综合征冠状病毒2型（SARS-CoV-2）相关的儿童多系统炎症综合征。数据集包含该研究所开发全部算法的开发数据与国际验证数据，服务于儿科炎症性疾病的临床决策支持研究。
【数据集背景】
该数据集所依托的研究聚焦于儿童多系统炎症综合征（MIS-C）与川崎病这两种儿科炎症性疾病。MIS-C 与 SARS-CoV-2 感染相关，而川崎病是一种儿科炎症性血管病，两者在临床上存在重叠，但病因不同。研究的主要目标是设计并验证一个预测性决策支持系统，用于识别、治疗和管理与 SARS-CoV-2 相关的 MIS-C。为实现这一目标，研究团队对先前在川崎病患者中训练的机器学习算法进行了调整和再训练。该研究是与国际川崎病登记处（International Kawasaki Disease Registry，IKDR）联盟合作开展的。
【数据内容】
该数据集包含本研究所开发全部算法的开发数据与国际验证数据。这些数据对应的是用于识别、治疗和管理 SARS-CoV-2 相关 MIS-C 的预测性决策支持系统所涉及的算法开发与验证工作。数据内容的具体字段、样本量、变量类型、时间跨度、人群构成等细节，源站未提供。
【采集与来源】
数据集来源站为 ncbi.nlm.nih.gov。研究由研究团队与 International Kawasaki Disease Registry（IKDR）联盟合作开展。数据采集的具体地点、时间范围、采集流程、纳入排除标准、伦理审批信息等，源站未提供。
【适用场景】
该数据集适用于与儿童多系统炎症综合征（MIS-C）及川崎病相关的预测性决策支持系统的开发与国际验证研究。其研究目标指向识别、治疗和管理与 SARS-CoV-2 相关的 MIS-C。由于算法最初在川崎病患者中训练，并经过调整和再训练以适用于 MIS-C，该数据集可支持对这两种临床重叠但病因不同的儿科炎症性疾病进行算法层面的比较与验证。具体适用的分析类型、建模任务、临床终点等，源站未提供。
【使用方法】
该数据集包含算法开发数据与国际验证数据，可用于支持预测性决策支持系统的设计与验证。关于数据的具体访问方式、下载格式、预处理步骤、配套代码、使用协议等，源站未提供。
【质量与限制】
该研究通过与 International Kawasaki Disease Registry（IKDR）联盟合作开展，并包含国际验证数据，这为算法的外部验证提供了基础。然而，关于数据质量的具体指标、缺失情况、偏倚评估、样本代表性、算法性能指标等，源站未提供。数据集在临床实际应用中的泛化能力与局限性，源站未提供。
【引用与许可】
该数据集的来源站为 ncbi.nlm.nih.gov。关于引用格式、许可条款、使用限制、数据访问权限等具体信息，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://ncbi.nlm.nih.gov/bioproject/PRJNA846920
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
本研究的主要目标是设计并验证一种预测性决策支持系统，用于识别、治疗和管理与儿童多系统炎症综合征（MIS-C）相关的SARS-CoV-2。为了开发这一系统，我们调整并重新训练了机器学习算法，这些算法此前已在川崎病患者中进行了训练。川崎病是一种儿科炎症性血管病，与MIS-C在临床上存在重叠，但病因不同。本研究是与国际川崎病注册联盟（IKDR）合作完成的。该数据集包含了本研究中开发的所有算法的开发数据及国际验证数据。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
