华南地区非结核分枝杆菌肺病的临床特征与免疫逃逸机制
该数据集来自 clinicaltrials.gov,聚焦华南地区非结核分枝杆菌肺病(NTM-LD)及鸟分枝杆菌复合群(MAC)感染

基本信息
资源简介
华南地区非结核分枝杆菌肺病的临床特征与免疫逃逸机制
该数据集来自 clinicaltrials.gov,聚焦华南地区非结核分枝杆菌肺病(NTM-LD)及鸟分枝杆菌复合群(MAC)感染。研究旨在系统刻画该人群 NTM-LD 的流行病学模式、临床表型与预后决定因素,并分析 NTM 菌种分布及其相关性。华南独特的气候与人口学因素提示该地区 NTM 流行病学和临床表现可能存在区域差异,但此前缺乏系统研究。数据可用于探索区域化精准医学策略、菌种分布特征及免疫逃逸机制相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:非结核分枝杆菌肺病、鸟分枝杆菌复合群(MAC)。1. 背景与依据 NTM-LD 因发病机制不清、诊断复杂、治疗效果欠佳及预后不良而带来重大临床挑战。华南独特的气候(炎热、潮湿)和人口学因素提示 NTM 流行病学和临床表现可能存在区域差异。然而,该地区缺乏对其临床特征和潜在机制的系统研究,阻碍了本地化精准医学策略的制定。2. 研究目标 主要目标:系统刻画华南人群 NTM-LD 的流行病学模式、临床表型和预后决定因素。次要目标:分析 NTM 菌种分布及其与……的相关性
【主题与分类】
主题标签:Mycobacterium Avium Complex (MAC)。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07377864
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/NCT07377864
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:非结核分枝杆菌肺病,鸟分枝杆菌复合群(MAC)。1. 背景与依据 NTM-LD因其发病机制不明确、诊断复杂、治疗结果欠佳及预后不良,给临床带来重大挑战。华南地区独特的气候(炎热、潮湿)和人口学因素提示NTM的流行病学和临床表现可能存在地域性差异。然而,该地区缺乏对其临床特征和潜在机制的系统性研究,阻碍了本地化精准医学策略的制定。2. 研究目标 主要目标:系统描述华南人群NTM-LD的流行病学模式、临床表型和预后决定因素。次要目标:分析NTM菌种分布及其与疾病严重程度和影像学表现的相关性。探究NTM感染后宿主免疫微环境的变化,重点关注炎症反应和免疫细胞功能状态。探索与NTM疾病治疗无效相关的分子机制。3.
研究设计 这是一项混合观察性研究,由两个不同部分组成:* 第1部分:一项多中心、回顾性、非干预性调查研究。* 第2部分:一项涉及生物样本采集和实验室分析的前瞻性观察性研究。4. 研究人群与样本量 * 第1部分:约1,500例根据标准指南于2015年1月至2025年5月期间在华南地区多个合作中心诊断为NTM肺病的患者。* 第2部分:来自合作网络的106例连续入组、确诊NTM患者的子集,用于前瞻性生物样本采集。5. 方法与程序 * 第1部分(回顾性调查):将从电子健康记录中提取人口统计学、临床症状、影像学特征(胸部CT)、微生物学、治疗方案和结局等数据。统计分析将包括描述性总结、c
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。




