基本信息

模态

表格

任务类型

预测

创建/更新时间

2026-10-20

资源简介

中国重症肌无力精准诊断与前瞻性队列研究

该数据集对应一项在中国开展的多中心前瞻性队列研究，英文名称为“Precision Diagnosis and Prospective Cohort Study for Myasthenia Gravis: Multicenter Analysis in China”，主题方向为神经系统疾病中的重症肌无力（Myasthenia Gravis，MG）。研究旨在提升中国重症肌无力患者在诊断与自然病史方面的临床能力，计划招募、记录并前瞻性随访300例MG患者，并对筛查试验的管理与队列表现开展研究。数据集来源于clinicaltrials.gov，属于重症肌无力方向的临床研究资料，可为理解该疾病在中国人群中的诊断与随访研究设计提供参考。

【数据集背景】

重症肌无力是一种累及神经肌肉接头传递的神经系统疾病。该数据集所对应的研究以改善中国重症肌无力患者的诊断能力和自然病史认识为出发点，采用前瞻性队列研究设计，并在中国境内以多中心方式组织实施。研究的关注点包括患者筛查试验的管理以及队列表现的研究，体现了以临床诊断能力建设和疾病自然史观察为核心的研究定位。

【数据内容】

源站描述显示，该研究计划招募300例重症肌无力患者，对其进行记录并开展前瞻性随访。研究内容涉及筛查试验的管理与队列表现的分析。除上述信息外，源站未提供关于具体变量字段、随访时间点、结局指标类型及数据表结构的进一步说明。

【采集与来源】

该数据集来源于clinicaltrials.gov。研究类型为前瞻性队列研究，实施地点为中国，组织方式为多中心分析。研究对象为重症肌无力患者，计划样本量为300例。源站未提供具体的招募时间窗口、参与中心数量与名单、随访频次及数据采集流程的细节。

【适用场景】

基于其研究设计与主题，该数据集可用于了解中国重症肌无力前瞻性队列研究的总体框架，包括患者招募规模、随访安排思路以及筛查试验管理与队列表现研究的方向。对于关注重症肌无力诊断能力建设与自然病史研究的读者，该数据集可作为研究设计层面的参考信息。源站未提供关于数据可支持的具体二次分析类型或建模用途的说明。

【使用方法】

源站未提供该数据集的具体获取方式、数据格式、访问接口或使用说明。使用者需依据来源站clinicaltrials.gov的相关记录了解研究登记信息。源站未提供数据处理、变量定义或分析操作层面的指导内容。

【质量与限制】

该数据集对应的研究为计划招募300例患者的前瞻性队列研究，其设计强调前瞻性随访与多中心实施。源站未提供关于数据完整性、缺失情况、质量控制措施、样本代表性或结果验证的信息。由于源站描述为研究计划层面的概述，未提供实际数据规模与随访完成情况，使用时应注意到这些限制。

【引用与许可】

源站未提供该数据集的引用格式、许可条款或使用限制说明。如需引用或使用，应以clinicaltrials.gov上该研究登记页面的相关信息为准。

原始链接

https://clinicaltrials.gov/study/NCT04535843

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/NCT04535843

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。

数据说明

条件：重症肌无力。本研究是一项前瞻性队列研究，旨在提高中国重症肌无力（MG）患者诊断和自然病史的临床能力。计划招募、记录并前瞻性随访300例MG患者。研究筛查试验的管理和队列表现。

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