重症肌无力前瞻性队列研究
该数据集来自 clinicaltrials.gov,为一项关于重症肌无力的前瞻性观察性队列研究,持续纳入患者并收集基本信息和生物样本

基本信息
资源简介
重症肌无力前瞻性队列研究
该数据集英文名为 A Prospective Cohort Study Of Myasthenia Gravis,来源于 clinicaltrials.gov,在本站归入呼吸系统疾病 / 其他分类,主题标签为 Myasthenia Gravis 与 Myasthenia Gravis Crisis。从源站描述看,这是一项关于重症肌无力的前瞻性观察性队列研究,研究过程中持续纳入患者,收集患者的基本信息并采集生物样本,目的在于改进该疾病的诊断与预后。重症肌无力是一种获得性自身免疫性疾病,可累及患者全身骨骼肌;当眼肌受累时可出现上睑下垂、复视等症状,咽喉肌受累时可出现构音障碍、吞咽困难等症状,而呼吸肌受累时患者会出现呼吸困难,部分患者可能发展为肌无力危象,常需要人工辅助呼吸治疗。源站还提到,重症肌无力的平均年发病率可达每十万人(8.0-20.0)。
【数据集背景】
该数据集对应的研究聚焦于重症肌无力及其危象。源站描述指出,重症肌无力是一种获得性自身免疫性疾病,患者全身骨骼肌均可能受累,临床表现随受累肌群不同而变化:眼肌受累时出现上睑下垂、复视等,咽喉肌受累时出现构音障碍、吞咽困难等,呼吸肌受累时则出现呼吸困难,部分患者可发展为肌无力危象并常需人工辅助呼吸治疗。源站同时给出该病平均年发病率可达每十万人(8.0-20.0)的背景信息。研究采用前瞻性观察性设计,通过持续纳入患者、收集基本信息与生物样本,服务于改进诊断与预后的研究目的。
【数据内容】
依据源站描述,该研究收集的内容包括患者的基本信息以及生物样本,患者为持续纳入。源站未提供具体字段、变量清单、样本类型与数量等更细化的数据内容说明。
【采集与来源】
数据来源站为 clinicaltrials.gov。该研究为前瞻性观察性队列研究,患者被持续纳入,采集方式为收集患者基本信息并采集生物样本。源站未提供采集时间跨度、采集机构、纳入排除标准等进一步信息。
【适用场景】
结合源站描述的研究目的,该数据集可用于围绕重症肌无力诊断与预后改进的研究场景,并涉及对肌无力危象及呼吸肌受累相关问题的观察。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT04674605
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:重症肌无力、重症肌无力危象。重症肌无力的年平均发病率高达(8.0-20.0)/10万人。重症肌无力是一种获得性自身免疫性疾病。患者的所有骨骼肌均可能受累。当眼肌受累时,可出现上睑下垂、复视等症状。当咽喉肌受累时,患者可出现构音障碍、吞咽困难等症状。然而,当呼吸肌受累时,患者会出现呼吸困难,部分患者可能发展为肌无力危象,常需人工辅助呼吸治疗。本研究为前瞻性观察性研究,连续纳入患者,收集患者基本信息并采集生物样本。本研究旨在改善重症肌无力患者的诊断与预后。
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。




