特发性矮小患者队列的多学科评估与全基因组分析
该数据集来自 clinicaltrials.gov，聚焦特发性矮小（Idiopathic Short Stature）患者队列，开展多学科评估与全基因组分析
基本信息
资源简介
特发性矮小患者队列的多学科评估与全基因组分析
该数据集英文名为 Multidisciplinary Evaluation and a Genome-wide Analysis in a Cohort of Idiopathic Short Stature Patients，来源于 clinicaltrials.gov，主题聚焦特发性矮小（Idiopathic Short Stature）患者队列，围绕多学科评估与全基因组分析展开。其关注的核心问题是：矮身材可能是多种病理的表现，但在多数儿科临床调查中无法找到明确病因，此时被诊断为“特发性”矮身材；而在排除经典儿科病因之后，此类患者在诊断与治疗管理上差异极大，目前缺乏共识性建议。该数据集即面向这一临床困境，记录对特发性矮小患者队列开展多学科评估与全基因组层面分析的相关内容，属于肌肉骨骼系统疾病 / 其他分类。
【数据集背景】
矮身材的病因学诊断是指导患者治疗管理、并提出适当遗传咨询的重要步骤。矮身材可以是许多病理情况的症状，然而在大多数病例（80%）中，儿科临床调查未能发现特定病因，此时即作出“特发性”矮身材的诊断。在排除经典儿科病因之后，矮身材的诊断与治疗管理极为异质，目前尚无共识性推荐。该数据集所对应的研究正是在这一背景下提出的，期望通过多学科评估与全基因组分析，提高确诊患者的比例，并推动临床与遗传流程更加标准化。近年来新的遗传学检查方法（基因 panel、全外显子……）的出现，也为这一方向提供了技术条件。
【数据内容】
该数据集的主题标签为 Idiopathic Short Stature，内容围绕特发性矮小患者队列的多学科评估与全基因组分析。源站描述提及的研究条件为 Idiopathic Short Stature，并说明其详细描述涉及病因学诊断、遗传咨询、临床调查中病因未明的比例，以及诊断与治疗管理的异质性和共识缺乏等问题。关于数据集的具体样本量、变量字段、基因组数据的具体类型与范围、评估量表等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于注册于该站点的研究记录所对应的数据。源站描述中提及对患者队列开展多学科评估与全基因组分析，并提到基因 panel、全外显子等遗传学检查方法。关于采集地点、采集时间跨度、纳入与排除标准的具体条目、随访安排等，源站未提供。
【适用场景】
基于其主题与来源，该数据集适用于关注特发性矮小病因学诊断与遗传分析的研究与临床场景，例如探讨在排除经典儿科病因后如何通过多学科评估与全基因组分析提高病因检出、支持遗传咨询与治疗管理决策，以及为临床与遗传流程的标准化提供参考。关于具体可支持的分析任务类型与验证用途，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方式，包括数据获取途径、访问权限、文件格式、字段说明与分析流程等。
【质量与限制】
源站描述指出，特发性矮身材在排除经典儿科病因后诊断与治疗管理高度异质、缺乏共识性推荐，这构成该领域数据背景上的固有局限。关于该数据集自身的完整性、准确性、偏倚控制、样本代表性及质控措施等，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可条款。
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/NCT05858606
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：特发性矮小症。详细描述：建立矮小症的病因学诊断是指导患者治疗管理并提出适当遗传咨询的重要步骤。矮小症可能是许多疾病的症状。然而，在大多数病例（80%）中，儿科临床检查未发现特定病因。在这种情况下，诊断为“特发性”矮小症。然而，在排除经典儿科病因后，矮小症的诊断和治疗管理极为异质，目前尚无共识性建议。因此，预计确诊患者的比例将大幅提高，同时临床和遗传学操作程序也将更加标准化。此外，近年来，新的遗传学研究方法（基因面板、全外显子组或全基因组测序分析）使得识别许多与表面孤立性矮小症相关的遗传变异成为可能。迄今为止，报道下一代测序分析的出版物均未聚焦于真正的特发性矮小症患者，即
且不伴相关骨骼异常或综合征特征，且往往仅聚焦于部分目标基因。本试验旨在估计在排除经典儿科及内分泌疾病后，生长高于-2.5SD（AFPA-CRESS/Inserm-CompuGroup Medical 2018曲线）或高于父母目标身高-2SD的儿童中特发性矮小的患病率，并评估特发性矮小单基因病因的患病率。将开展一项两步研究。第一步是对这些儿童进行多学科临床-影像学评估，以评估这些患者中特发性矮小（ISS）的真实患病率。第二步是对前30例确诊为真正ISS的患者进行全基因组测序分析
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。
