INCMNSZ 类风湿关节炎队列
源站描述显示其目标包括由多学科专业团队提供标准化随访、建立生物（血液）库以支持未来研究项目、构建包含临床、血清学、影像学及功能状态数据的数据库、界定合并症与死亡原因，并开展教育项目以提升患者对疾病的自我认知
基本信息
资源简介
INCMNSZ 类风湿关节炎队列
INCMNSZ - Rheumatoid Arthritis Cohort 是一个聚焦类风湿关节炎的队列数据集，收录于肌肉骨骼系统疾病／其他分类，来源为 clinicaltrials.gov。该数据集围绕早期类风湿关节炎与类风湿关节炎两类主题标签组织，其目标涵盖由多学科专业团队提供标准化随访、建立生物（血液）库以支持未来研究项目、构建包含临床、血清学、影像学及功能状态数据的数据库、界定合并症与死亡原因，并开展教育项目以提升患者对疾病的自我认知。整体而言，该数据集面向类风湿关节炎的长期追踪与多维度研究，兼具临床随访、生物样本储备与患者教育等多重用途。
【数据集背景】
类风湿关节炎是一种需要长期管理的疾病，早期识别与规范随访对疾病控制具有重要意义。该数据集以早期类风湿关节炎和类风湿关节炎为关注对象，来源于 clinicaltrials.gov，属于肌肉骨骼系统疾病／其他分类。其设立目标包括通过多学科专业团队提供标准化随访，从而为患者建立规范的长期观察路径；同时通过建立生物（血液）库，为未来研究项目储备样本资源。这些背景设定表明该数据集并非单次横断面调查，而是以持续随访和后续研究支持为导向的队列资源。
【数据内容】
该数据集计划构建一个包含患者临床、血清学、影像学及功能状态数据的数据库，覆盖疾病相关的多个维度。除上述四类数据外，其目标还包括界定合并症与死亡原因，因此数据内容在疾病活动与功能评估之外，还涉及合并症记录与死亡原因归类。主题标签为早期类风湿关节炎与类风湿关节炎，说明数据覆盖早期阶段与确诊类风湿关节炎的人群。生物（血液）库作为独立组成部分，与数据库中的临床与检查数据形成互补。
【采集与来源】
数据来源为 clinicaltrials.gov。采集依托多学科专业团队的标准化随访开展，即由专业团队按标准化流程对患者进行持续跟踪，并在此基础上积累临床、血清学、影像学与功能状态数据。生物（血液）样本的采集用于建立生物库，以支持未来研究项目。此外，数据集相关工作中还包含开展教育项目，以提升患者对疾病的自我认知，该教育项目与随访和数据积累同步推进。
【适用场景】
基于其目标设定，该数据集适用于类风湿关节炎尤其是早期类风湿关节炎的长期随访研究，可用于依托临床、血清学、影像学与功能状态多维数据开展疾病观察与分析；生物（血液）库可支持未来研究项目对样本的需求；合并症与死亡原因的界定有助于相关结局研究；教育项目相关内容可用于患者自我认知提升方面的实践参考。多学科专业团队的标准化随访模式亦可作为规范化队列管理的参考。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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/NCT03389711
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
条件：早期类风湿关节炎、类风湿关节炎。* 由多学科专业团队提供标准化随访。* 建立生物（血液）样本库，以开展未来的研究项目。* 创建包含患者临床、血清学、影像学和功能状态数据的数据库。* 明确合并症和死亡原因。* 启动教育项目，以提高患者对疾病的自我认知
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。
