特发性肺纤维化中医队列
该数据集来自clinicaltrials.gov，基于已建立的间质性肺疾病登记库，以中医治疗为暴露因素，连续纳入至少1000例特发性肺纤维化（IPF）患者并随访2年
基本信息
资源简介
特发性肺纤维化中医队列
特发性肺纤维化（IPF）是一种病因不明、进展性的间质性肺疾病，临床治疗手段有限，中医药在其长期管理中的作用受到关注。Idiopathic Pulmonary Fibrosis Cohort of TCM 数据集源自 clinicaltrials.gov，属于呼吸系统疾病 / 其他分类，主题标签为 Idiopathic Pulmonary Fibrosis (IPF)。该数据集依托一个已建立的间质性肺疾病登记库，以中医治疗作为暴露因素，计划连续纳入至少1000例IPF患者并随访2年，围绕证候规律、疾病特征及其相互关系进行观察，并以年急性加重率、临床症状等指标评价中医药治疗IPF的临床疗效，进而识别优势人群与疗效优势靶点，为中医药精准治疗提供依据。以下从背景、内容、来源、适用场景、使用方法、质量与限制、引用与许可等方面作进一步说明。
【数据集背景】
该数据集所对应的研究建立在既往已建立的间质性肺疾病登记库基础之上，以中医治疗作为暴露因素开展观察。研究关注的核心疾病为特发性肺纤维化（IPF），属于呼吸系统疾病范畴。其研究动机在于进一步观察IPF疾病发展过程中的证候规律、疾病特征以及二者之间的相互关系，并在此基础上评价中医药治疗IPF的临床疗效，为后续的精准治疗提供依据。
【数据内容】
根据源站描述，该数据集计划连续纳入至少1000例IPF患者，并对纳入患者进行为期2年的随访。研究观察和记录的内容涉及患者的中医证候规律、疾病特征及其相互关系，同时以年急性加重率和临床症状等指标作为疗效评价的依据。基于疗效指标的差异，研究还将识别中医药治疗的优势人群，明确临床疗效优势靶点。除上述内容外，数据集的具体字段构成、变量类型与记录格式等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其数据采集依托于一个此前已经建立的间质性肺疾病登记库，采用连续纳入的方式招募IPF患者，并以中医治疗作为暴露因素进行分组或观察，随访周期为2年。关于具体的采集流程、随访频次、数据录入方式与质量控制措施，源站未提供。
【适用场景】
该数据集适用于围绕特发性肺纤维化开展的多类研究与应用，包括观察IPF患者中医证候规律及其与疾病特征的关联、评估中医药治疗IPF的临床疗效、分析年急性加重率与临床症状等疗效指标、识别中医药治疗的优势人群与疗效优势靶点，以及为中医药精准治疗提供数据支撑。此外，也可用于呼吸系统疾病领域中以暴露因素为核心的队列研究设计与方法学参考。
【使用方法】
源站未提供具体的使用方法说明，包括数据获取途径、访问权限、数据结构说明及分析建议等均未在源站描述中体现。
【质量与限制】
该数据集计划纳入至少1000例患者并随访2年，样本规模与随访时长在源站描述中有明确说明。但关于数据完整性、缺失情况、偏倚控制、随访依从性以及疗效指标的具体测量与判定标准等信息，源站未提供。由于研究以中医治疗为暴露因素，其设计特征可能影响因果推断的强度，相关方法学细节源站亦未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT07162870
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：特发性肺纤维化（IPF）。本研究基于既往建立的间质性肺疾病注册登记数据库，以中医药治疗为暴露因素，连续纳入至少1000例IPF患者并随访2年；进一步观察疾病发展过程中的证候规律、疾病特征及其相互关系，以年急性加重率、临床症状等指标评价中医药治疗IPF的临床疗效，并根据疗效指标差异识别优势人群，明确临床疗效优势靶点，为中医药精准治疗提供依据。
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。
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。
