血液炎症指标能否用于区分1型Modic改变与布鲁氏菌脊柱椎间盘炎
本数据集来自clinicaltrials.gov,为一项回顾性比较研究,旨在探讨血液炎症指标能否区分布鲁氏菌脊柱椎间盘炎与1型Modic改变

基本信息
资源简介
血液炎症指标能否用于区分1型Modic改变与布鲁氏菌脊柱椎间盘炎
本数据集来自clinicaltrials.gov,为一项回顾性比较研究,旨在探讨血液炎症指标能否区分布鲁氏菌脊柱椎间盘炎与1型Modic改变。数据取自医院信息系统2020至2024年间的患者记录,共纳入35例布鲁氏菌脊柱椎间盘炎患者和37例1型Modic改变患者,诊断均经微生物学、血清学和影像学工具支持。研究记录了患者血液学参数,并从基线全血细胞计数(CBC)测试中推导出NLR、MLR、PLR、NLPR、SII、SIRI、AISI等血液炎症指标。该数据可用于比较两组疾病的血液炎症特征,辅助鉴别诊断研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:布鲁氏菌脊柱炎。这是一项回顾性比较研究,旨在考虑血液炎症指标的情况下区分布鲁氏菌脊柱椎间盘炎与1型MC。患者数据获取自医院信息系统,时间范围为2020年至2024年。共有35名布鲁氏菌脊柱椎间盘炎患者和37名1型MC患者被纳入研究。布鲁氏菌脊柱椎间盘炎和1型MC的诊断由微生物学、血清学和放射学诊断工具支持。记录患者的血液学参数,并从基线CBC测试中推导出血液炎症指标(NLR、MLR、PLR、NLPR、SII、SIRI、AISI)。基于诊断工具和标准1,2,14,21,过去5年内诊断为腰椎布鲁氏菌脊柱椎间盘炎或腰椎1型MC且同时具有腰椎MRI、全血细胞计数(CBC)的病例
【主题与分类】
主题标签:Brucella Spondylitis。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/NCT06432530
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/NCT06432530
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
疾病:布鲁氏菌性脊柱炎。这是一项回顾性比较研究,旨在结合血液炎症指标区分布鲁氏菌性椎间盘炎与1型Modic改变(MCs)。患者数据取自医院信息系统,时间范围为2020年至2024年。研究共纳入35例布鲁氏菌性椎间盘炎患者和37例1型MCs患者。布鲁氏菌性椎间盘炎和1型MCs的诊断均依据微生物学、血清学和影像学诊断工具支持。记录患者的血液学参数,并根据基线全血细胞计数(CBC)检测结果推导血液炎症指标(NLR、MLR、PLR、NLPR、SII、SIRI、AISI)。根据诊断工具和标准1,2,14,21,选取过去5年内诊断为腰椎布鲁氏菌性椎间盘炎或腰椎1型MCs,且同时具有腰椎MRI、全血细胞计数(CBC)检测、C反应蛋白(CRP)和红细胞沉降率(ESR)结果,年龄在18-65岁的病例,以形成研究人群。
另一方面,数据不完整、年龄小于18岁或大于64岁、非布鲁氏菌引起的其他感染性椎间盘炎、非1型的其他MC类型,以及风湿性椎间盘炎(强直性脊柱炎或Andersson病变)等其他非感染性疾病的病例被排除在研究之外。此外,既往或复发性布鲁氏菌椎间盘炎、累及腰椎以外其他脊柱节段也是排除原因。对两组患者的基线特征进行了统计学评估和比较,包括年龄、性别、症状持续时间、CRP、ESR、CBC值以及由CBC衍生的指标。
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。




