社区人群中阿尔茨海默病病理的患病率
该数据集来自 clinicaltrials.gov,为一项观察性研究,聚焦社区人群中阿尔茨海默病病理的患病情况。研究对象为 70 岁及以上的大型挪威人群队列,覆盖正常认知、轻度认知障碍和痴呆人群

基本信息
资源简介
社区人群中阿尔茨海默病病理的患病率
该数据集来自 clinicaltrials.gov,为一项观察性研究,聚焦社区人群中阿尔茨海默病病理的患病情况。研究对象为 70 岁及以上的大型挪威人群队列,覆盖正常认知、轻度认知障碍和痴呆人群。研究以血浆 p-tau217 升高定义阿尔茨海默病病理,考察其在总人群及不同认知状态人群中的比例,并追踪同一人群 14 年间的纵向变化。数据可用于阿尔茨海默病病理的患病率估计、早期诊断生物标志物研究及认知障碍进展的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:阿尔茨海默型痴呆、阿尔茨海默病、轻度认知障碍、病理、早期诊断中的生物标志物。本观察性研究的目标是:(I) 研究在 70 岁及以上大型挪威人群队列中具有阿尔茨海默病病理的人群比例;(II) 研究同一人群在 14 年期间阿尔茨海默病病理的纵向变化。主要目的为: 在 70 岁及以上大型挪威人群队列中,由血浆 p-tau217 升高定义的阿尔茨海默病病理的人群比例是多少。 在 70 岁及以上大型挪威人群队列中,认知正常、轻度认知障碍和痴呆人群中,由血浆 p-tau217 升高定义的阿尔茨海默病病理的人群比例是多少
【主题与分类】
主题标签:Dementia of Alzheimer Type、Alzheimer Disease、Mild Cognitive Impairment、Pathology、Biomarker in Early Diagnosis。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06719453
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/NCT06719453
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:阿尔茨海默型痴呆、阿尔茨海默病、轻度认知障碍、病理学、早期诊断中的生物标志物。这项观察性研究的目标是(I)研究在一个大型挪威人群为基础的70岁及以上人群队列中,具有阿尔茨海默病病理的人群比例,以及(II)研究同一人群在14年期间阿尔茨海默病病理的纵向变化。主要目的为:* 在一个大型挪威人群为基础的70岁及以上人群队列中,由血浆p-tau217升高所定义的具有阿尔茨海默病病理的人群比例是多少。* 在一个大型挪威人群为基础的70岁及以上人群队列中,在认知正常、轻度认知障碍和痴呆的人群中,由血浆p-tau217升高所定义的具有阿尔茨海默病病理的人群比例是多少。* 血浆p-tau217浓度与分别4年、10年和14年后的轻度认知障碍或痴呆之间的关联是什么。* 血浆NfL浓度与分别4年、10年和14年后的轻度认知障碍或痴呆之间的关联是什么。
数据来自北特伦德拉格健康研究(HUNT)第3波(2006-2008年)和第4波(2017-2019年,也包括HUNT AiT 2021-2023)。
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。




