成人肺朗格汉斯细胞组织细胞增生症：基于全国登记的前瞻性队列研究
该数据集来自 clinicaltrials.gov，对应一项法国全国登记基础上的前瞻性队列研究，聚焦成人肺朗格汉斯细胞组织细胞增生症（PLCH）患者
基本信息
资源简介
成人肺朗格汉斯细胞组织细胞增生症：基于全国登记的前瞻性队列研究
该数据集对应一项在法国全国登记基础上开展的前瞻性队列研究，英文名称为 Adult Pulmonary Langerhans Cell Histiocytosis: a National Registry-based Prospective Cohort Study，来源站为 clinicaltrials.gov，本站归类于呼吸系统疾病 / 其他。研究关注成人肺朗格汉斯细胞组织细胞增生症（PLCH）患者的长期结局，尤其是生存情况。源站描述指出，成人 PLCH 患者的长期结局此前在很大程度上并不清楚，该研究是该领域首个评估 PLCH 患者长期结局的前瞻性研究，纳入了较大规模的 PLCH 患者队列，并进行了足够长时间的随访，以探讨影响长期结局的风险因素。主题标签包括 Histiocytosis、Histiocytosis, Langerhans-Cell 与 Histiocytosis Pulmonary。
【数据集背景】
肺朗格汉斯细胞组织细胞增生症是一种累及肺部的组织细胞增生性疾病，在成人中的长期结局，特别是生存情况，此前在很大程度上并不清楚。该数据集所对应的研究正是针对这一空白而设计，是該领域首个评估 PLCH 患者长期结局的前瞻性研究。研究以法国全国登记为基础，旨在通过较大规模患者队列和足够长的随访时间，识别与长期结局相关的风险因素。
【数据内容】
源站描述提及该研究纳入了一个较大规模的 PLCH 患者队列，并对其进行了足够长时间的随访，以探讨长期结局的风险因素。数据集英文名称中包含“National Registry-based Prospective Cohort Study”，表明其性质为基于全国登记的前瞻性队列研究。关于具体的变量字段、随访指标、样本量数值及统计结果，源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov，对应一项法国全国登记基础上的前瞻性队列研究。研究的设计特征为前瞻性、基于登记、队列随访。关于具体的登记机构、采集流程、随访方式与时间安排，源站未提供。
【适用场景】
依据源站描述，该数据集适用于关注成人肺朗格汉斯细胞组织细胞增生症长期结局，尤其是生存情况及相关风险因素的研究场景。其前瞻性设计与全国登记基础，使其可用于长期结局与风险因素的探讨。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述强调该研究为该领域首个前瞻性研究，并指出其纳入了较大规模队列且随访时间足够长，以支撑长期结局风险因素的分析。关于数据质量评价、缺失情况、偏倚控制及使用限制，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/NCT04665674
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：组织细胞增生症、组织细胞增生症、朗格汉斯细胞组织细胞增生症、肺组织细胞增生症。成人肺朗格汉斯细胞组织细胞增生症（PLCH）患者的长期结局，尤其是生存情况，在很大程度上仍不清楚。这是该领域首个评估PLCH患者长期结局的前瞻性研究。这项基于法国全国登记的研究纳入了一个大型PLCH患者队列，随访时间足够长，以探讨PLCH患者长期结局的危险因素。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
