肉芽肿性多血管炎自然史:气道疾病临床与遗传生物标志物 NoAAC PR-03 研究
该数据集来自 clinicaltrials.gov,聚焦肉芽肿性多血管炎(GPA)的自然史,特别是气道疾病的临床与遗传生物标志物

基本信息
资源简介
肉芽肿性多血管炎自然史:气道疾病临床与遗传生物标志物 NoAAC PR-03 研究
该数据集来自 clinicaltrials.gov,聚焦肉芽肿性多血管炎(GPA)的自然史,特别是气道疾病的临床与遗传生物标志物。GPA 是一种累及小中型血管的罕见坏死性肉芽肿性血管炎,近 20% 患者出现危及生命的气道阻塞,气道受累常导致不可逆生理损害并显著降低生活质量。数据集覆盖该疾病的临床与遗传生物标志物信息,可用于研究气道病变的机制、预后相关因素及生物标志物筛选(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。肉芽肿性多血管炎(GPA,旧称韦格纳肉芽肿)是一种累及小中型血管的罕见多系统坏死性肉芽肿性血管炎。近20%的GPA患者遭受危及生命的气道阻塞。即使存活,该疾病亚组中的气道受累也可使患者无法交流、呼吸困难,并依赖气管造口生存。气道疾病常导致不可逆的生理损害,并与GPA患者生活质量下降高度相关。在20世纪70年代之前,GPA患者的1年死亡率超过80%,主要归因于肾衰竭或肺衰竭。40年前引入环磷酰胺与糖皮质激素联合治疗极大地改善了患者结局,使该病转变为一种更为慢性的长期疾病。Ho
【主题与分类】
主题标签:Granulomatosis With Polyangiitis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03182049
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/NCT03182049
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。肉芽肿性多血管炎(GPA,旧称韦格纳肉芽肿)是一种罕见的多系统坏死性肉芽肿性小血管及中等血管炎。近20%的GPA患者会发生危及生命的气道阻塞。即使存活,该疾病亚组中的气道受累也可导致患者无法交流、呼吸困难,并依赖气管造口维持生存。气道病变常导致不可逆的生理功能损害,并与GPA患者生活质量下降高度相关。20世纪70年代以前,GPA患者的1年死亡率超过80%,主要死于肾功能衰竭或肺功能衰竭。40年前引入环磷酰胺联合糖皮质激素治疗后,患者预后大为改善,使该病转变为一种更为慢性的长期疾病。然而,尽管在开发成功的全身性疾病治疗方案方面已取得进展,当前疗法在改善GPA气道并发症方面的作用仍属未知。
GPA演变为慢性病,使GPA气道表现的管理成为关注焦点。GPA气道疾病的自然史从未得到纵向描述,且尚无可靠的临床结局生物标志物。在GPA中,局限于声带以下解剖区域的气道狭窄(声门下狭窄)发生率估计为16%-50%。它可作为GPA的首发症状孤立出现,也可作为疾病的晚期表现。尽管狭窄常局限于声门下区,但可向上累及声带,或向下累及远端气管和支气管。遗憾的是,研究已记录到GPA中多层面气道受累的发生率相对较高(34%)。在一组44例患者的系列中,五分之一有喉狭窄的证据。研究还发现异时性支气管扩张的发生率较高
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。




