伴自身免疫特征的间质性肺炎临床病程研究
该数据集来自 clinicaltrials.gov,聚焦伴自身免疫特征的间质性肺炎(IPAF)的临床病程研究。研究对患者进行为期 3 年的前瞻性随访,直至死亡或接受肺移植,旨在阐明 IPAF 的预后以及随时间推移出现明确结缔组织病(CTD)临床特征的患者比例,并研究无肺移植生存的预测因素

基本信息
资源简介
伴自身免疫特征的间质性肺炎临床病程研究
该数据集来自 clinicaltrials.gov,聚焦伴自身免疫特征的间质性肺炎(IPAF)的临床病程研究。研究对患者进行为期 3 年的前瞻性随访,直至死亡或接受肺移植,旨在阐明 IPAF 的预后以及随时间推移出现明确结缔组织病(CTD)临床特征的患者比例,并研究无肺移植生存的预测因素。数据可用于探索 IPAF 的疾病进展规律、CTD 转化风险及肺移植相关结局的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:间质性肺炎。研究目的 本研究旨在探究 IPAF 的临床病程,以阐明该疾病的预后,并明确随时间推移出现明确结缔组织病(CTD)临床特征的患者比例。患者将被前瞻性随访 3 年,或直至死亡或肺移植(LTx)。还将研究无肺移植生存的预测因素。理由 伴自身免疫特征的间质性肺炎(IPAF)是一种慢性间质性肺疾病(ILD),具有某些自身免疫病的实验室和/或临床特征,但不符合结缔组织病(CTD)的诊断标准,且无其他 ILD 病因。间质性肺炎作为其他隐匿性 CTD 的首发、甚至唯一表现并不少见。当前国际指南对诊断的
【主题与分类】
主题标签:Interstitial Pneumonia。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/NCT03950583
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/NCT03950583
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:间质性肺炎。研究目的 本研究旨在探讨IPAF的临床病程,以明确该病的预后,并明确随着时间推移出现明确结缔组织病(CTD)临床特征的患者比例。患者将接受为期3年的前瞻性随访,或直至死亡或接受肺移植(LTx)。同时将研究无肺移植生存的预测因素。研究依据 具有自身免疫特征的间质性肺炎(IPAF)是一种慢性间质性肺病(ILD),伴有一些自身免疫病的实验室和/或临床特征,但不符合结缔组织病(CTD)的诊断标准,且无其他ILD病因。间质性肺炎作为潜在隐匿性CTD的首发、甚至可能是唯一表现,并不少见。当前特发性间质性肺炎(IIP)诊断的国际指南建议排除CTD。因此,许多具有自身免疫特征但未完全符合CTD标准的ILD病例被识别出来。按照现行诊断标准,IPAF患者实际上占ILD患者中相当大的比例。
然而,这些患者的临床病程、预后及治疗策略仍不明确。尽管近期为规范IPAF的诊断做出了努力,但IPAF患者仍代表一个高度异质性的群体,其预后和临床病程远未明确。虽然诊断时的平均年龄高于CTD,但仍以女性为主。自身免疫“色彩”未必意味着真正的自身免疫病因,但目前区分二者仍具挑战性。从这一角度看,与风湿科医生共同开展多学科协作尤为重要。此外,随时间推移有多少IPAF患者会发展为明确的CTD特征,仍有待阐明。例如,一个问题在于IPAF患者可能接受免疫抑制剂治疗,而这可能永久性改
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。




