非动脉炎性前部缺血性视神经病变流行病学研究
该数据集来自clinicaltrials.gov,聚焦非动脉炎性前部缺血性视神经病变(NAION)的流行病学研究。研究人群为Ingenix Normative Health Informatics (NHI)数据库中2003年1月1日至2007年12月31日期间年满18岁、连续入组至少183天且既往

基本信息
资源简介
非动脉炎性前部缺血性视神经病变流行病学研究
该数据集来自clinicaltrials.gov,聚焦非动脉炎性前部缺血性视神经病变(NAION)的流行病学研究。研究人群为Ingenix Normative Health Informatics (NHI)数据库中2003年1月1日至2007年12月31日期间年满18岁、连续入组至少183天且既往183天内无缺血性视神经病变诊断就诊记录的成员。从人群中识别出3,732例潜在NAION病例,经医疗记录回顾和claims算法确认1,283例确诊或可能病例,并随机选取无相关诊断代码的患者作为对照。数据可用于NAION的病例识别、风险因素分析及流行病学特征研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:前部缺血性视神经病变、缺血性视神经病变。研究人群由Ingenix Normative Health Informatics (NHI)数据库在2003年1月1日至2007年12月31日期间的成员组成,这些成员年满18岁,在数据库中连续入组至少183天,且在队列进入前183天内没有任何与缺血性视神经病变诊断相关的医生就诊记录。从研究人群中,将与缺血性视神经病变诊断代码相关的索赔患者识别为潜在NAION病例(n = 3,732)。从潜在NAION病例中,通过医疗记录回顾和claims算法识别出确诊和可能的NAION病例(n=1,283)。从研究人群中,随机选择没有与缺血性视神经病变诊断代码相关的索赔的患者作为对照(n =
【主题与分类】
主题标签:Anterior Ischemic Optic Neuropathy、Ischemic Optic Neuropathy。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01260324
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/NCT01260324
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:前部缺血性视神经病变、缺血性视神经病变。研究人群由2003年1月1日至2007年12月31日期间Ingenix规范健康信息学(NHI)数据库的成员组成,这些成员年龄在18岁及以上,在数据库中至少有183天的连续入组记录,并且在进入队列前的183天内没有任何与缺血性视神经病变诊断相关的就诊记录。从研究人群中,将与缺血性视神经病变诊断代码相关的索赔记录的患者确定为潜在NAION病例(n = 3,732)。从潜在NAION病例中,通过病历审查和索赔算法确定了确诊和可能的NAION病例(n=1,283)。从研究人群中,随机选择没有与缺血性视神经病变诊断代码相关的索赔记录的患者作为对照(n = 20,000)。
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。




