肉芽肿性多血管炎(Wegener's)与显微镜下多血管炎纵向研究方案
该数据集来自 clinicaltrials.gov,聚焦肉芽肿性多血管炎(GPA,旧称 Wegener's)与显微镜下多血管炎(MPA)两种自身免疫性系统性血管炎

基本信息
资源简介
肉芽肿性多血管炎(Wegener's)与显微镜下多血管炎纵向研究方案
该数据集来自 clinicaltrials.gov,聚焦肉芽肿性多血管炎(GPA,旧称 Wegener's)与显微镜下多血管炎(MPA)两种自身免疫性系统性血管炎。源站描述指出,许多患者无明显活动期症状,但亚临床疾病活动可导致长期损害,且疾病活动度难以监测,临床治疗时机与方式难以把握。研究拟采用新科学方法识别可用于监测 GPA 和 MPA 疾病活动度的新生物标志物,以辅助临床诊疗并支持未来药物研发(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肉芽肿性多血管炎、显微镜下多血管炎、Wegener's。GPA 和 MPA 是两种引起系统性血管炎的自身免疫性疾病。GPA 常累及上呼吸道、肺和肾脏。MPA 以肾脏炎症、体重减轻、皮肤病变、神经损伤和发热为特征。许多 WG 或 MPA 患者没有可见的活动性疾病症状;已知潜在的亚临床疾病活动会导致这些患者的长期损害。此外,由于难以监测 WG 和 MPA 的疾病活动度,临床医生难以知道何时以及如何治疗这些患者。本研究将使用新的科学方法来识别可用于监测 GPA 和 MPA 患者疾病活动度的新生物标志物。这些生物标志物可用于帮助指导 GPA 和 MPA 患者的临床诊疗,并协助未来的药物研发。
【主题与分类】
主题标签:Granulomatosis With Polyangiitis、Microscopic Polyangiitis、Wegener's。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00315393
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/NCT00315393
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:肉芽肿性多血管炎、显微镜下多血管炎、韦格纳肉芽肿。GPA和MPA是两种导致系统性血管炎的自身免疫性疾病。GPA通常累及上呼吸道、肺和肾脏。MPA以肾脏炎症、体重减轻、皮肤病变、神经损伤和发热为特征。许多WG或MPA患者没有明显的活动性疾病症状;已知潜在的亚临床疾病活动会导致这些患者的长期损害。此外,由于难以监测WG和MPA的疾病活动,临床医生难以了解何时以及如何治疗这些患者。本研究将使用新的科学方法来识别可用于监测GPA和MPA患者疾病活动的新生物标志物。这些生物标志物可用于帮助指导GPA和MPA患者的临床护理,并协助未来的药物开发。研究访视将在第一年每月进行一次,此后在研究剩余期间每3个月进行一次。每次访视时都将采集血液和尿液。
每3个月进行一次体格检查并采集病史和用药史;此外,参与者将被要求完成若干问卷,以评估疾病活动度、健康状况以及烟草、酒精和药物使用情况。若研究期间出现疾病发作或疾病相关并发症,参与者可能需要额外进行研究访视。
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。




