骨髓衰竭综合征与血细胞减少症筛查方案及纵向研究
该数据集为dbGaP收录的纵向、前瞻性研究，聚焦骨髓衰竭综合征与血细胞减少症的筛查方案及长期随访。数据覆盖相关疾病的临床筛查与纵向观察信息，可用于探索疾病进展规律、识别风险因素，并支持预后预测与队列分析等研究方向（来源 ncbi.nlm.nih.gov）
基本信息
资源简介
骨髓衰竭综合征与血细胞减少症筛查方案及纵向研究
该数据集为 dbGaP 收录的纵向、前瞻性研究，聚焦骨髓衰竭综合征与血细胞减少症的筛查方案及长期随访。数据覆盖相关疾病的临床筛查与纵向观察信息，可用于探索疾病进展规律、识别风险因素，并支持预后预测与队列分析等研究方向。从研究设计来看，纵向与前瞻性属性意味着数据并非单一时点的横断面记录，而是围绕同一批研究对象在多个时间节点持续采集，因而能够反映疾病随时间演变的轨迹。该数据集在分类上归属于肌肉骨骼系统疾病下的其他类别，来源站为 ncbi.nlm.nih.gov。整体而言，它为骨髓衰竭综合征及血细胞减少症领域的筛查与长期观察提供了一个结构化的数据基础，适合用于需要时间维度信息的临床与流行病学研究。
【数据集背景】
骨髓衰竭综合征与血细胞减少症是一类涉及造血功能异常的疾病状态，其临床表现和进展过程往往具有较大的异质性，需要通过系统化的筛查与长期随访加以刻画。该数据集以筛查方案与纵向研究为核心定位，旨在为这类疾病的识别、观察和后续分析提供数据支撑。其英文名称为 phs000592: Screening Protocol and Longitudinal Study of Bone Marrow Failure Syndromes and Cytopenias，来源站为 ncbi.nlm.nih.gov，属于 dbGaP 收录的研究。研究设计被标注为纵向、前瞻性，主题标签同样为 Longitudinal、Prospective。这些属性共同界定了该数据集的基本研究框架，即面向特定疾病人群开展持续性的观察与数据积累。
【数据内容】
该数据集的数据覆盖相关疾病的临床筛查与纵向观察信息。其内容围绕骨髓衰竭综合征与血细胞减少症的筛查方案及长期随访展开，包含与疾病筛查和纵向观察相关的信息。基于这些内容，可用于探索疾病进展规律、识别风险因素，并支持预后预测与队列分析等研究方向。需要说明的是，关于具体变量构成、样本量、随访时间间隔、检测指标种类等细节，源站未提供。
【采集与来源】
该数据集来源于 ncbi.nlm.nih.gov，属于 dbGaP 研究。其研究类型为纵向、前瞻性，意味着数据采集遵循预先设计的方案，对研究对象进行持续跟踪。关于具体的采集机构、招募方式、采集流程、随访执行细节以及数据提交与整理的具体安排，源站未提供。
【适用场景】
依据其纵向、前瞻性的研究设计以及所覆盖的筛查与纵向观察信息，该数据集适用于探索疾病进展规律、识别风险因素，并支持预后预测与队列分析等研究方向。其主题标签 Longitudinal 与 Prospective 也表明，该数据适合需要时间序列或随访信息的分析场景。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供关于该数据集具体使用方法的说明，包括但不限于数据获取途径、访问权限、分析工具、数据处理步骤等。
【质量与限制】
源站未提供关于该数据集质量评估与使用限制的说明，包括但不限于数据完整性、缺失情况、偏倚控制、样本代表性等。
【引用与许可】
源站未提供关于该数据集引用方式与许可条款的说明。
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://ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000592
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
dbGaP study (Longitudinal, Prospective).
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。
