安格尔曼综合征自然史研究 - FAST Spain
其总体目标是加深对安格尔曼综合征长期自然史的理解，并识别和验证客观且敏感的结局指标，这些指标可作为临床试验中结局测量的终点
基本信息
资源简介
安格尔曼综合征自然史研究 - FAST Spain
Angelman Natural History Study - FAST Spain 是一个聚焦于安格尔曼综合征的神经系统疾病数据集，收录于 clinicaltrials.gov。该数据集围绕安格尔曼综合征的长期自然史展开，其总体目标是加深对安格尔曼综合征长期自然史的理解，并识别和验证客观且敏感的结局指标，这些指标可作为临床试验中结局测量的终点。数据集以安格尔曼综合征为核心主题标签，面向对该疾病自然进程与临床研究终点开发感兴趣的研究者与临床人员，提供与这一目标相关的注册研究信息。整体而言，它属于神经系统疾病领域中针对安格尔曼综合征自然史研究方向的数据资源，服务于对疾病长期演变规律及可用于临床试验的客观评价指标的探索需求。
【数据集背景】
安格尔曼综合征是一种神经系统疾病，本数据集即围绕该疾病设立。根据来源站 clinicaltrials.gov 的描述，该研究关注的是安格尔曼综合征的长期自然史。其设立的总体目标有两个层面：一是增加对安格尔曼综合征长期自然史的理解，二是识别并验证客观且敏感的结局指标。这些指标的意义在于，它们有可能作为结局测量的终点，应用于临床试验之中。因此，该数据集所依托的研究背景，是安格尔曼综合征在自然状态下的长期病程观察，以及为未来临床试验寻找可靠评价工具的需求。数据集被归类于神经系统疾病 / 安格尔曼综合征，主题标签为 Angelman Syndrome。
【数据内容】
该数据集的主题标签为 Angelman Syndrome，所属疾病条件为安格尔曼综合征。其核心内容指向安格尔曼综合征的长期自然史，以及客观且敏感的结局指标的识别与验证。这些结局指标被定位为可服务于临床试验中结局测量的终点。除上述信息外，关于数据集具体包含哪些字段、变量、受试者数量、随访时间点、测量量表或具体指标名称等内容，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。其英文名称为 Angelman Natural History Study - FAST Spain。源站描述中列出的条件为 Angelman Syndrome。关于数据的具体采集方式、采集地点、采集时间跨度、样本纳入与排除标准、研究者信息等，源站未提供。
【适用场景】
基于其目标，该数据集适用于与安格尔曼综合征长期自然史相关的研究场景，以及需要识别和验证客观、敏感结局指标的研究场景。这些指标可作为临床试验中结局测量的终点，因此该数据集也可能为临床试验终点设计提供参考。关于更具体的适用场景，如药物研发、临床管理或基础研究等，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括如何获取、如何访问、如何分析或如何引用等操作层面的说明。
【质量与限制】
源站未提供关于该数据集质量与限制的说明，例如数据完整性、准确性、样本代表性、偏倚控制或使用约束等信息。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT06115109
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：安格曼综合征。总体目标是增进我们对安格曼综合征长期自然史的了解，并识别和验证客观且敏感的结果测量指标，这些指标可作为临床试验中结果测量的终点。
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。
