泼尼松龙联合他克莫司治疗肌炎相关肺炎的研究
该数据集来自 clinicaltrials.gov,主题为泼尼松龙联合他克莫司治疗肌炎相关肺炎的研究,属于呼吸系统疾病/肺炎分类

基本信息
资源简介
泼尼松龙联合他克莫司治疗肌炎相关肺炎的研究
该数据集来自 clinicaltrials.gov,主题为泼尼松龙联合他克莫司治疗肌炎相关肺炎的研究,属于呼吸系统疾病/肺炎分类。源站描述涉及间质性肺炎、多发性肌炎和皮肌炎,指出间质性肺炎是 PM/DM 常见并发症且影响预后,患病率在 23% 至 65% 之间,短期死亡率高,糖皮质激素作为一线药物对不足 50% 患者有效,耐药者加用免疫抑制剂后死亡率仍未改善。数据可用于相关临床预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Interstitial Pneumonitis, Polymyositis, Dermatomyositis. 间质性肺炎(IP)是多发性肌炎(PM)和皮肌炎(DM)患者常见的并发症,并对其预后有显著影响。据报道,PM/DM 患者中 IP 的患病率因所用标准及所研究队列的临床环境不同而在 23% 至 65% 之间变化,一项早期综述和一项后续研究报告了其较高的短期死亡率。然而,针对这一严重并发症的治疗尚未确立,甚至尚未进行前瞻性研究。糖皮质激素虽长期被视为一线药物,但对不足 50% 的患者有效。此外,即使后来加用免疫抑制药物,这些糖皮质激素耐药患者的死亡率也未改善。最近,我们和其他人报告的回顾性数据提示
【主题与分类】
主题标签:Interstitial Pneumonitis、Polymyositis、Dermatomyositis。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00504348
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/NCT00504348
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:间质性肺炎、多发性肌炎、皮肌炎。间质性肺炎(IP)是多发性肌炎(PM)和皮肌炎(DM)患者常见的并发症,并对其预后有显著影响。据报道,PM/DM患者中IP的患病率根据所采用的标准及研究队列的临床环境不同,介于23%至65%之间,且早期的概述和后续的研究均报告了其较高的短期死亡率。然而,对于这一严重并发症的治疗尚未确立,甚至未经前瞻性研究。糖皮质激素虽长期被视为一线药物,但对不到50%的患者有效。此外,即便后续加用免疫抑制药物,这些对糖皮质激素抵抗的患者的死亡率也未得到改善。近期,我们及其他研究者报告的回顾性数据表明,早期在糖皮质激素基础上加用免疫抑制药物,或从初始治疗即联合使用糖皮质激素与免疫抑制药物,可能改善PM/DM患者的生存率。
为了挽救PM/DM-IP患者的生命,绝望中的治疗医生已开始采用这种方法,并强烈敦促开展前瞻性研究,以探究该方法相较于单用糖皮质激素的优越性。与此同时,考虑到PM/DM-IP亚型中存在病情快速进展且单用糖皮质激素治疗短期死亡率高的患者,并且缺乏能够早期识别该亚型患者的有用人口统计学或生物标志物,开展一项同时设立接受单用糖皮质激素对照组的 prospective 研究被认为在伦理上并不合适。在用于治疗PM/DM-IP的免疫抑制药物中,他克莫司近期被提示即使对环孢素或环磷酰胺耐药的患者也有效。为了探究糖皮质激素与他克莫司的初始联合治疗是否优于糖皮质激素
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。




