Loiasis中的自发性抗原血症

研究旨在定义自发性抗原血症者的交叉反应抗原谱及其随时间变化,并确定哪些Loa loa抗原能最佳区分loiasis交叉反应与LF

Washington University School of MedicineWashington University School of Medicine
clinicaltrials
浏览 2
其他分类LoiasisLymphatic Filariasis
Spontaneous Antigenemia in Loiasis

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-28

资源简介

Loiasis中的自发性抗原血症

该数据集来自clinicaltrials.gov,聚焦Loiasis与Lymphatic Filariasis共流行地区的诊断问题。研究旨在定义自发性抗原血症者的交叉反应抗原谱及其随时间变化,并确定哪些Loa loa抗原能最佳区分loiasis交叉反应与LF。计划前瞻性入组50名筛查时呈交叉反应抗原血症的成人和10名阴性对照,随访一年并每三个月检测抗原血症持续性。数据可用于评估RDT假阳性机制及改进鉴别诊断(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Loiasis、Lymphatic Filariasis。全球消除淋巴丝虫病(LF)的努力依赖于检测Wuchereria bancrofti循环丝虫抗原的快速诊断试验(RDTs),但这些试验在Loa loa共流行的非洲国家不可靠,因为它们在部分loiasis个体中产生假阳性结果。本项目旨在定义自发性抗原血症者的交叉反应抗原谱、其随时间如何变化,并确定交叉反应血清中哪些L. loa抗原能最佳区分loiasis交叉反应与LF。这项前瞻性研究将前瞻性入组50名在筛查时呈现交叉反应抗原血症的成人和10名阴性对照。参与者将被随访一年,并每三个月检测一次抗原血症的持续性。

【主题与分类】

主题标签:Loiasis、Lymphatic Filariasis。本站分类:感染/寄生虫病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04258670

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/NCT04258670

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

疾病:罗阿丝虫病、淋巴丝虫病。全球消除淋巴丝虫病(LF)的努力依赖于检测班氏吴策线虫循环丝虫抗原的快速诊断检测(RDTs),但这些检测在罗阿丝虫共流行的非洲国家并不可靠,因为它们在部分罗阿丝虫病患者中会产生假阳性结果。本项目旨在确定自发抗原血症者的交叉反应抗原谱、其随时间的变化情况,并确定交叉反应血清中哪些罗阿丝虫抗原最能区分罗阿丝虫病交叉反应与LF。这项前瞻性研究将前瞻性入组50名在筛查时表现为交叉反应抗原血症的成人以及10名阴性对照。参与者将接受为期一年的随访,每三个月检测一次抗原血症的持续情况。

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