Health for Hungary (H4H) 血液样本及对应数据纵向采集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07743021

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

疾病类型：非传染性疾病（NCD）、肿瘤、癌症、肺癌（NSCLC）、心血管疾病（CVD）、动脉粥样硬化性心血管疾病（ASCVD）、外周动脉疾病（PAD）、冠状动脉疾病（CAD）。背景 H4H研究对初始健康但有可能发展出新发健康问题的参与者进行为期10年的健康变化监测。该研究采用前瞻性研究设计，涵盖超过100，000人年的随访，能够密切观察疾病轨迹与风险因素及药物使用之间的关系。这为收集非传染性疾病（NCD）当前表现和管理趋势的数据提供了独特机会。主要非传染性疾病（即心血管疾病、癌症、2型糖尿病和慢性呼吸系统疾病）导致生活质量显著下降，并占匈牙利全因死亡率的90%以上。因此，对于可能以最低成本用于减轻总体疾病负担的筛查工具的需求日益增长。

在出现明显临床疾病之前，“早期诊断”和识别高风险状态将有助于获得更好的治疗结果，并帮助社会更长久地保持生活质量。血液检测是许多状况下有价值的筛查工具，并可用于人群健康监测。更好地理解血液组成，以及建立血液成分的参考范围，对于制定有效的基于血液的健康监测策略至关重要。高信息含量检测方法，包括分子指纹图谱、蛋白质组学和代谢组学，预计将促进新型疾病生物标志物的发现。通过评估广泛的分子，可能识别出多种疾病特异性变量。除了对血液样本进行多模式分析外，所有样本的等分试样都保存在专门的生物样本库中，致力于在数十年内容纳全面的生物样本收集，并促进长期研究安排，以期加速未来的发现。目标 本研究旨在解决以下目标

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。