NHLBI TOPMed:克利夫兰家庭研究(CFS)
数据以家族为对象进行纵向随访,可用于呼吸道疾病相关表型与家族聚集性的分析,并支持纵向预测建模。具体变量、样本量、随访时长与检测方法源站未提供(来源 ncbi.nlm.nih.gov)

基本信息
资源简介
NHLBI TOPMed:克利夫兰家庭研究(CFS)
phs000954 是 NHLBI TOPMed 项目下的 The Cleveland Family Study(CFS)数据集,在站内归入呼吸道疾病 / 其他类别,来源为 ncbi.nlm.nih.gov。该数据集以家族为对象开展纵向随访,主题标签为 Longitudinal,源站将其描述为 dbGaP 研究(纵向)。其核心价值在于支持呼吸道疾病相关表型与家族聚集性的分析,并可用于纵向预测建模。关于具体变量构成、样本量、随访时长与检测方法,源站未提供,因此本介绍仅围绕已知的家族设计、纵向属性与主题定位展开,不对数据细节作任何推断。
【数据集背景】
该数据集隶属于 NHLBI TOPMed 项目框架,全称为 The Cleveland Family Study(CFS),在 dbGaP 中以 phs000954 标识。从命名与来源看,它是一项以家族为单位组织的研究资源,而非以个体为独立抽样单位的横断面集合。源站对其的描述为 dbGaP 研究(纵向),主题标签为 Longitudinal,说明纵向随访是其基本设计特征。站内将其归入呼吸道疾病 / 其他分类,表明其应用方向与呼吸道疾病领域相关,但具体病种范围与表型定义源站未提供。
【数据内容】
数据以家族为对象进行纵向随访,这一组织方式意味着同一家族内的多个成员在多个时间点上被反复观察,从而同时保留家族内个体间的关联结构与时间维度上的变化信息。基于这一结构,数据可用于呼吸道疾病相关表型的分析,也可用于考察这些表型在家族中的聚集性。至于具体包含哪些变量、样本量大小、随访时长与检测方法,源站未提供,故无法在此列出字段清单或测量细节。
【采集与来源】
数据来源站为 ncbi.nlm.nih.gov,以 dbGaP 研究形式发布,标识为 phs000954。源站给出的描述仅为 dbGaP 研究(纵向),未进一步说明采集地点、采集流程、随访间隔或样本处理方式。因此关于采集与来源的更多细节,源站未提供。
【适用场景】
基于家族设计与纵向随访这两个已知特征,该数据集适用于两类分析:一是呼吸道疾病相关表型的家族聚集性研究,即考察表型在家族成员间的相关与传递模式;二是纵向预测建模,即利用多个时间点的随访信息构建随时间变化的预测模型。需要说明的是,这些适用方向由数据的设计属性与主题标签所指示,具体可分析的表型范围与建模目标源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法,包括访问方式、数据格式、变量字典、配套分析工具或推荐的分析流程。使用者需以 ncbi.nlm.nih.gov 上 dbGaP 的正式说明为准。
【质量与限制】
已知的限制在于信息颗粒度:源站仅给出纵向研究的总体描述,未披露样本量、随访时长、检测方法与变量构成,因此无法对数据规模、随访充分性或测量精度作出评估。此外,家族设计虽有利于聚集性分析,但也意味着观测之间并非相互独立,分析时需考虑家族内相关性,此为设计层面的通用考量,具体处理方式源站未提供。
【引用与许可】
源站未提供该数据集的引用格式与许可条款。使用时应遵循 ncbi.nlm.nih.gov 上 dbGaP 研究 phs000954 的正式发布说明与数据使用要求。
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://ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000954
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
dbGaP study (Longitudinal).
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。




