家族性高嗜酸性粒细胞增多症(FE)纵向研究:自然史与疾病进展标志物
该数据集来自 clinicaltrials.gov,收录家族性高嗜酸性粒细胞增多症(FE)患者及未患病家庭成员的相关信息

基本信息
资源简介
家族性高嗜酸性粒细胞增多症(FE)纵向研究:自然史与疾病进展标志物
该数据集来自 clinicaltrials.gov,收录家族性高嗜酸性粒细胞增多症(FE)患者及未患病家庭成员的相关信息。研究对受累成员开展以嗜酸性粒细胞介导组织损伤为重点的临床评估,并采集血液细胞、骨髓和/或血清,用于获取 DNA、RNA 及特异性抗体等实验室试剂,以探讨 FE 的遗传与免疫学基础及发病机制。数据可用于嗜酸性粒细胞活化与功能相关研究,并支持疾病进展标志物与自然史分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:嗜酸性粒细胞增多症、高嗜酸性粒细胞综合征。研究描述:家族性高嗜酸性粒细胞增多症(FE)家庭中的患病与未患病成员将被纳入本方案并接受评估。对于患病家庭成员,将进行全面的临床评估,重点关注嗜酸性粒细胞介导的组织损伤的潜在后遗症。还将采集血液细胞、骨髓和/或血清,以提供试剂(如 DNA、RNA 和特异性抗体),供实验室用于解决与 FE 的遗传和免疫学基础及其发病机制相关的问题。预计患病家庭成员将接受比通常可获得的更为广泛的评估,并且从他们那里采集的标本将被证明是用于嗜酸性粒细胞增多症、嗜酸性粒细胞活化和功能相关实验室研究的宝贵试剂。虽然该研究是
【主题与分类】
主题标签:Eosinophilia、Hypereosinophilic Syndrome。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00091871
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/NCT00091871
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
研究条件:嗜酸性粒细胞增多症、高嗜酸性粒细胞综合征。研究描述:本研究方案将招募并评估家族性高嗜酸性粒细胞增多症(FE)家族中的患病成员与未患病成员。对于患病家族成员,将进行全面的临床评估,重点在于嗜酸性粒细胞介导的组织损伤的潜在后遗症。同时还将采集血细胞、骨髓和/或血清,以提供用于实验室的试剂(如DNA、RNA和特异性抗体),用于解决与FE的遗传和免疫学基础及其发病机制相关的问题。预计患病家族成员将接受比通常可获得的更为广泛的评估,并且从他们那里采集的标本将被证明是用于与嗜酸性粒细胞增多症、嗜酸性粒细胞活化和功能相关的实验室研究的宝贵试剂。虽然本研究并非旨在解决FE的治疗问题,但对于有医学治疗指征的患者(无论是针对高嗜酸性粒细胞增多症本身还是其后遗症),将由我们的临床服务部门或患者当地医生实施适当的治疗。
本方案不涉及实验性化疗。未受影响的家庭成员将在本方案下提供研究标本,以帮助确定FE的潜在遗传病因。目的:主要目的:研究家族性嗜酸性粒细胞增多症(FE)的自然史。次要目的:1. 确定导致FE中嗜酸性粒细胞增多、嗜酸性粒细胞活化及发病机制的免疫学和分子机制;2. 识别疾病进展的早期临床或实验室标志物。终点:主要终点:嗜酸性粒细胞性终末器官表现的发生。次要终点:1a. FE免疫学特征的描述。1b. FE遗传驱动因素的识别。2. 识别在FE疾病进展之前出现异常的临床或实验室标志物。
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。




