散发性包涵体肌炎自然史研究
该数据集来自clinicaltrials.gov,为散发性包涵体肌炎(sIBM)的前瞻性自然史研究。计划纳入150例临床诊断的sIBM患者,每6个月评估一次,持续两年共五次访视

基本信息
资源简介
散发性包涵体肌炎自然史研究
该数据集来自clinicaltrials.gov,为散发性包涵体肌炎(sIBM)的前瞻性自然史研究。计划纳入150例临床诊断的sIBM患者,每6个月评估一次,持续两年共五次访视。所有参与者需抽血检测NT5c1A抗体状态,其中40例在基线接受肌肉活检。研究旨在首次确定NT5c1A抗体是否介导两年间的疾病进展,属于非干预性观察研究,可用于探索抗体与疾病进展的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:散发性包涵体肌炎、包涵体肌炎。这是一项针对临床确诊的sIBM患者的前瞻性自然史研究。参与者将在两年内每6个月接受一次评估(共五次访视)。我们将纳入150名根据既定标准诊断的散发性IBM参与者。参与者需要常规采血获取血清样本,以评估NT5c1A抗体状态。该检测将在华盛顿大学医学院神经肌肉实验室进行。研究者对 antibody 状态设盲。一部分参与者(40名)将在基线访视时接受肌肉活检。目标1:首次确定NT5c1A抗体是否介导sIBM患者两年间的疾病进展。我们将对患者进行前瞻性、非干预性、观察性研究。
【主题与分类】
主题标签:Sporadic Inclusion Body Myositis、Inclusion Body Myositis。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05046821
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/NCT05046821
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
疾病:散发性包涵体肌炎、包涵体肌炎。这是一项针对临床确诊的sIBM患者的前瞻性自然史研究。参与者将在两年内每6个月接受一次评估(共五次访视)。我们将纳入150名根据既定标准诊断的散发性IBM参与者。参与者需要通过抽血提供常规血清样本,以评估NT5c1A抗体状态。该检测将在华盛顿大学医学院神经肌肉实验室进行。研究人员将对抗体状态设盲。一部分参与者(40名)将在基线访视时接受肌肉活检。目标1:首次确定NT5c1A抗体是否在两年期间介导sIBM患者的疾病进展。我们将对sIBM患者开展一项前瞻性、非干预性、观察性研究,在两年时间内每6个月进行随访和评估。
主要分析包括:1)通过IBM功能评定量表(IBMFRS)评分和计时起立行走测试(TUG)下降率来衡量的疾病进展率和严重程度;2)血清中NT5c1A抗体是否存在;3)血清和骨骼肌中变异T细胞的存在及其频率。目标2:对一部分sIBM患者的新鲜肌肉活检标本进行详细的形态学、组织化学和免疫组织化学分析。目标3:表征sIBM患者循环血液中“免疫衰老”淋巴细胞的分布。目标4:量化sIBM患者呼吸功能的下降。
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。




