双胞胎或同胞不一致性风湿性疾病家系研究
该数据集来自 clinicaltrials.gov,聚焦于双胞胎或同胞中风湿性疾病不一致的家系研究,涉及类风湿关节炎、系统性红斑狼疮和特发性炎性肌病等疾病

基本信息
资源简介
双胞胎或同胞不一致性风湿性疾病家系研究
该数据集来自 clinicaltrials.gov,聚焦于双胞胎或同胞中风湿性疾病不一致的家系研究,涉及类风湿关节炎、系统性红斑狼疮和特发性炎性肌病等疾病。研究背景认为自身免疫病可能由遗传易感个体在特定环境暴露后出现慢性免疫激活与失调所致,并探讨成人及青少年系统性风湿性疾病在临床表现、免疫反应、遗传、激素及环境风险因素和可能发病机制上的共性,以及同质亚组(elemental disorders)的差异。数据可用于风湿性疾病遗传与环境交互作用、家系聚集性及发病机制研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:类风湿关节炎、系统性红斑狼疮、特发性炎性肌病。大多数自身免疫病被认为是在遗传易感个体中,经过特定环境暴露后出现慢性免疫激活和失调而发生的。当前证据表明,成人和青少年形式的系统性风湿性疾病——此处定义为类风湿关节炎(RA)、系统性红斑狼疮(SLE)、系统性硬化症(SSc)和特发性炎性肌病(IIM)——共享许多常见的临床表现、免疫反应、遗传、激素和环境风险因素以及可能的发病机制。相反,其他研究暗示,每种目前定义的风湿性疾病可能由更同质的亚组组成,称为 elemental disorders,具有不同的发病机制。本方案将探索致病性 m
【主题与分类】
主题标签:Rheumatoid Arthritis、Systemic Lupus Erythematosus、Idiopathic Inflammatory Myopathies。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/NCT00055055
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/NCT00055055
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
病症:类风湿关节炎、系统性红斑狼疮、特发性炎性肌病。多数自身免疫疾病被认为是在遗传易感个体中,经历特定环境暴露后,因慢性免疫激活与失调而发展而成。当前证据提示,成人及青少年型系统性风湿病——此处定义为类风湿关节炎(RA)、系统性红斑狼疮(SLE)、系统性硬化症(SSc)及特发性炎性肌病(IIM)——共享许多常见的临床表现、免疫反应、遗传、激素及环境风险因素,以及可能的发病机制。相反,其他研究暗示,每一种风湿病,按当前定义,可能由更为同质的亚群组成,称为基本疾病,其发病机制各异。本方案将通过评估患有系统性风湿病不一致的单卵或双卵双胞胎或其他兄弟姐妹的家庭(双胞胎-同胞对),探索系统性风湿病及可能的基本疾病的致病机制。
根据各阶段实验设计的需求,还将对父母及健康志愿者进行评估。将采用标准化的医生与患者临床及环境暴露问卷,并对400对患有系统性风湿病不一致的双胞胎-同胞配对进行临床评估和标本采集,以确认诊断、记录病史并评估可能与自身免疫发展相关的风险因素。本研究将以类似方式评估儿童(占双胞胎-同胞配对的25-50%)和成人,试图根据发病年龄理解系统性风湿病发病机制中可能的异同。假设检验研究将评估外周血细胞基因激活/抑制的差异、受影响与未受影响个体间微嵌合体的水平和类型、这些疾病的选定遗传风险因素以及职业……
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。




