中西医结合治疗类风湿关节炎临床队列构建与疗效评价
该数据集来自 clinicaltrials.gov,围绕中西医结合治疗类风湿关节炎的临床队列构建与疗效评价,覆盖类风湿关节炎、类风湿关节炎相关间质性肺病及难治性类风湿关节炎

基本信息
资源简介
中西医结合治疗类风湿关节炎临床队列构建与疗效评价
该数据集来自 clinicaltrials.gov,围绕中西医结合治疗类风湿关节炎的临床队列构建与疗效评价,覆盖类风湿关节炎、类风湿关节炎相关间质性肺病及难治性类风湿关节炎。源站描述指出,在中医辨证理论指导下中西医结合治疗对难治性 RA 与 RA-ILD 显示出临床获益,但 RA 表型与中医证候的生物学关联尚不明确,需通过“病证结合”识别关键生物标志物与核心证候。数据可用于相关临床研究与疗效评价(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:类风湿关节炎(RA)、类风湿关节炎相关间质性肺病、难治性类风湿关节炎。1. 研究概述 类风湿关节炎(RA)是一种以侵蚀性关节炎为主要特征的自身免疫性疾病。在中医辨证论治理论指导下,中西医结合治疗在管理难治性 RA(D2T RA)和 RA 相关间质性肺病(RA-ILD)方面已显示出显著的临床获益。然而,RA 表型与中医证候之间的生物学关联仍不清楚,“病-证-症”框架的现代医学物质基础有待进一步阐明。因此,采用“病证结合”方法识别 RA 发病机制中的关键生物标志物和核心证候,并阐明其优势
【主题与分类】
主题标签:Rheumatoid Arthritis (RA)、Difficult-to-Treat Rheumatoid Arthritis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07484243
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/NCT07484243
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:类风湿关节炎(RA)、类风湿关节炎相关间质性肺病、难治性类风湿关节炎。1. 研究概述 类风湿关节炎(RA)是一种以侵蚀性关节炎为主要特征的自身免疫性疾病。在中医辨证论治理论指导下,中西医结合治疗在管理难治性RA(D2T RA)和RA相关间质性肺病(RA-ILD)方面已显示出显著的临床获益。然而,RA表型与中医证候之间的生物学关联仍不明确,“病-证-症”框架的现代医学物质基础有待进一步阐明。因此,采用“病证结合”方法识别RA发病机制中的关键生物标志物和核心证候,并明确中西医结合治疗策略的优势,将为系统研究中西医结合医学中RA诊疗规律提供理论基础。
在前期研究基础上,本研究将纳入至少10,000例接受中西医结合治疗类风湿关节炎(RA)的多中心队列患者,其中包括不少于1,000例难治性RA(D2T RA)患者和不少于1,000例RA相关间质性肺病(RA-ILD)患者。采集的数据包括中医证候特征、临床资料、治疗方案、药物不良反应、生物样本、并发症及随访信息。通过系统性的数据采集与分析,本研究旨在建立中西医结合治疗RA的多中心研究队列生物样本库和临床数据库。通过总结临床诊疗规律并整合多组学研究数据,本研究将在“病-证-症”框架下进一步探索D2T RA和RA-ILD的现代科学物质基础。研究将重点阐明中医辨证论治在RA中的优势与规律,并建立科学、规范的疗效评价体系。本研究有望为……提供科学依据。
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。




