了解淀粉样蛋白与Tau蛋白检测结果
该数据集来自clinicaltrials.gov，聚焦阿尔茨海默病，研究个体得知自身淀粉样蛋白与Tau蛋白检测结果后，其心理社会、行为及神经心理结局的纵向变化
基本信息
资源简介
了解淀粉样蛋白与Tau蛋白检测结果
Learning Amyloid and Tau Results 是一个登记于 clinicaltrials.gov 的数据集，归类于神经系统疾病下的阿尔茨海默病方向。该数据集围绕一个核心问题展开：当个体得知自身的淀粉样蛋白（amyloid）与 Tau 蛋白检测结果后，这一信息对其心理社会、行为及神经心理结局会产生怎样的纵向影响。其研究目标在于刻画这种影响随时间变化的轨迹，并识别其中起调节与中介作用的因素，从而为生物标志物告知方式及检测后支持策略的优化提供依据。数据集以阿尔茨海默病为主题标签，整体定位偏向生物标志物披露相关的行为与心理社会研究。
【数据集背景】
该数据集的设立基于明确的总体目标：确定个体了解自身淀粉样蛋白与 Tau 蛋白检测结果后，如何影响其纵向的心理社会、行为与神经心理结局，并识别对这些结局具有调节和中介作用的因素。其研究理由在于，若能理解不同个体反应差异背后的解释因素，生物标志物沟通与检测后支持便可被有针对性地调整，以优化结局。研究的中心假设是：了解自身生物标志物谱会影响心理社会、行为与神经心理结局；这些结局会受到健康社会决定因素（SDOH）与感知到的沟通因素的调节，并由疾病感知与信念所中介。数据集所关注的疾病条件为阿尔茨海默病。
【数据内容】
该数据集聚焦于阿尔茨海默病相关的淀粉样蛋白与 Tau 蛋白检测结果告知情境，其内容围绕个体得知检测结果后的纵向变化展开，涵盖心理社会、行为与神经心理三个层面的结局。研究还涉及可能影响这些结局的调节因素与中介因素，包括健康社会决定因素、感知到的沟通因素，以及疾病感知与信念。关于具体的变量字段、样本量、随访时间点、测量工具与数据结构等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其主题标签为阿尔茨海默病，本站分类归入神经系统疾病 / 阿尔茨海默病。除来源站与主题标签外，关于数据采集的具体方式、采集地点、采集时间范围、受试者招募途径等信息，源站未提供。
【适用场景】
基于其研究目标，该数据集适用于探讨生物标志物结果告知对个体心理社会、行为与神经心理结局影响的纵向研究场景，也可用于分析与健康社会决定因素、沟通因素、疾病感知与信念相关的调节和中介机制。其潜在应用方向包括为生物标志物沟通策略与检测后支持方案的制定提供依据。关于该数据集在其他具体研究或临床场景中的适用性，源站未提供。
【使用方法】
关于该数据集的获取方式、访问权限、数据格式、配套文档以及具体的分析或使用指引，源站未提供。
【质量与限制】
关于该数据集的样本代表性、数据完整性、缺失情况、偏倚风险及已知局限，源站未提供。
【引用与许可】
关于该数据集的引用格式、许可条款与使用限制，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/NCT07222930
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：阿尔茨海默病。总体目标是确定了解个人的淀粉样蛋白和tau蛋白检测结果如何影响纵向心理社会、行为和神经心理学结果，并识别调节和中介这些结果的因素。其理由是，通过理解解释反应变异的因素，可以定制生物标志物告知和检测后支持，以优化结果。核心假设是，了解生物标志物特征将影响心理社会、行为和神经心理学结果，并且这些结果将受到健康社会决定因素（SDOH）和感知沟通因素的调节，以及受到疾病感知和信念的中介。
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。
