APACHE 队列(银屑病关节炎队列)

APACHE 是一个前瞻性全国多中心(30 家)队列,纳入过去一年内首次出现外周关节炎、经风湿科医生判定归因于 PsA 的患者,计划在 4 年入组期内纳入 425 例并随访 10 年

Assistance Publique - Hôpitaux de ParisAssistance Publique - Hôpitaux de Paris
clinicaltrials
浏览 10
医学影像预测Cohort StudyPsoriatic Arthritis (PsA)Recent Peripheral Arthritis
APACHE Cohort (A Psoriatic Arthritis CoHort)

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-21

资源简介

APACHE 队列(银屑病关节炎队列)

APACHE 是一个前瞻性全国多中心(30 家)队列,纳入过去一年内首次出现外周关节炎、经风湿科医生判定归因于 PsA 的患者,计划在 4 年入组期内纳入 425 例并随访 10 年。随访包含标准化访视,采集临床数据、患者报告结局、常规实验室参数、血浆/血清/尿液、基线与一年时 RNA/DNA,以及不同时间点的外周 X 线、超声和 MRI。访视不具干预性,不做出治疗决策。所集数据可用于向队列科学委员会提交多项研究项目(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:队列研究、银屑病关节炎(PsA)、近期外周关节炎。方法:APACHE 是一个前瞻性全国多中心(30 家)队列,纳入并随访在过去一年内首次出现外周关节炎、经治疗风湿科医生判定归因于 PsA 的患者,随访 10 年。将在 4 年入组期内纳入 425 例患者,随后进行随访。整个 10 年随访期间安排标准化访视,可采集多种数据: 临床数据 患者报告结局 常规实验室参数 血浆、血清和尿液 基线和一年时 RNA、DNA 不同时间点的外周 X 线、超声和 MRI 这些访视具有非干预性质(不做出治疗决策)。所采集的数据将允许向队列科学委员会提交多项研究项目。

【主题与分类】

主题标签:Cohort Study、Psoriatic Arthritis (PsA)、Recent Peripheral Arthritis。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/NCT03768271

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/NCT03768271

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

条件:队列研究,银屑病关节炎(PsA),近期外周关节炎。方法:APACHE是一项前瞻性全国多中心(30家中心)队列研究,纳入并随访在过去一年内首次出现外周关节炎、且经治疗风湿科医生判定归因于PsA的患者,随访期为10年。将在4年期间纳入425例患者,随后进入随访。整个10年随访期间计划进行标准化访视,以收集各类数据:* 临床数据 * 患者报告结局 * 常规实验室参数 * 血浆、血清和尿液 * 基线和一年时的RNA、DNA * 不同时间点的外周X线、超声和MRI 这些访视具有非干预性质(不做出任何治疗决策)。所收集的数据将允许向该队列的科学委员会提交多项研究项目。

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