IVIg依赖性神经病中神经传导特性的变化
该数据集来自 clinicaltrials.gov，聚焦于免疫介导性神经病患者在接受静脉注射免疫球蛋白（IVIg）治疗后短期神经传导特性的变化
基本信息
资源简介
IVIg依赖性神经病中神经传导特性的变化
该数据集英文名为 Change of Nerve Conduction Properties in IVIg Dependent Neuropathies，来源于 clinicaltrials.gov，在分类上归属于神经系统疾病下的其他类别。数据集聚焦于免疫介导性神经病患者在接受静脉注射免疫球蛋白（IVIg）治疗后，其短期神经传导特性所发生的变化。涉及的条件包括吉兰-巴雷综合征、慢性炎性脱髓鞘性多发性神经病（CIDP）以及多灶性运动神经病。研究背景在于，IVIg 被认为具有多种不同的免疫调节效应，针对其作用机制也已提出若干假说；本研究即围绕 IVIg 对免疫介导性神经病患者短期神经传导的影响展开探索。整体而言，该数据集为关注 IVIg 治疗与神经传导短期变化之间关系的研究者提供了一个以临床试验注册信息为基础的数据资源。
【数据集背景】
免疫介导性神经病是一组由免疫系统异常攻击周围神经而导致的疾病，吉兰-巴雷综合征、CIDP 和多灶性运动神经病均属于这一范畴。静脉注射免疫球蛋白（IVIg）是这类疾病中常用的免疫调节治疗手段。源站描述指出，IVIg 可发挥多种不同的免疫调节效应，并且针对其作用机制已有若干假说被提出。在此背景下，该数据集所对应的研究旨在探索 IVIg 对免疫介导性神经病患者短期神经传导的作用。这一主题对于理解 IVIg 在免疫介导性神经病中的即时生理效应具有潜在意义。
【数据内容】
该数据集的主题标签包括吉兰-巴雷综合征、CIDP 和多灶性运动神经病，覆盖了研究关注的三种免疫介导性神经病条件。数据集的核心内容围绕 IVIg 治疗后短期神经传导特性的变化展开，即关注神经传导属性在治疗后的短期改变。关于具体的观测指标、变量字段、样本量、时间点设置、神经传导测量项目等详细数据内容，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，即临床试验注册平台。其源站描述中列出的条件为吉兰-巴雷综合征、CIDP 和多灶性运动神经病，并说明了研究将探索 IVIg 对免疫介导性神经病患者短期神经传导的作用。关于具体的采集方式、采集时间范围、采集机构、受试者招募细节等信息，源站未提供。
【适用场景】
该数据集适用于关注免疫介导性神经病与 IVIg 治疗关系的研究场景，尤其是围绕吉兰-巴雷综合征、CIDP 和多灶性运动神经病这三类疾病，探索 IVIg 治疗后短期神经传导特性变化的研究。也可用于了解该领域临床试验注册信息的背景资料整理。关于更具体的适用场景，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，包括数据获取方式、访问路径、数据格式、字段说明及分析建议等均未在现有信息中体现。
【质量与限制】
源站未提供关于该数据集质量与限制的说明，包括数据完整性、准确性、样本代表性、偏倚控制及使用约束等信息均未在现有信息中体现。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT01655394
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：吉兰-巴雷综合征、CIDP、多灶性运动神经病。IVIg发挥多种不同的免疫调节作用，针对IVIg已提出若干作用机制。本研究将探讨IVIg对免疫介导性神经病患者短期神经传导的作用。
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。
