ANCA相关性血管炎患者报告结局开发数据集
源站描述指出AAV患者小血管炎症可累及肾脏、肺和皮肤,未治疗死亡率超80%,现有治疗下仍存在疾病活动、损伤或副作用影响生活质量

基本信息
资源简介
ANCA相关性血管炎患者报告结局开发数据集
该数据集来自clinicaltrials.gov,聚焦ANCA相关性血管炎(AAV),涵盖Wegener肉芽肿、显微镜下多血管炎和Churg-Strauss综合征。源站描述指出AAV患者小血管炎症可累及肾脏、肺和皮肤,未治疗死亡率超80%,现有治疗下仍存在疾病活动、损伤或副作用影响生活质量。研究假设通用患者报告结局(PRO)测量可能不够特异,主要目标是从患者体验出发开发AAV疾病特异性PRO。数据可用于支持PRO开发与生活质量评估研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Wegener肉芽肿、显微镜下多血管炎、Churg-Strauss综合征。抗中性粒细胞胞浆抗体(ANCA)相关性血管炎(AAV)患者的小血管存在炎症,导致不同身体部位受累,例如肾脏、肺和皮肤。未经治疗,死亡风险超过80%;采用当前治疗,患者常遭受持续疾病活动、损伤或治疗副作用,对生活质量产生负面影响。由于AAV患者可具有广泛的疾病特征,研究者假设通用患者报告结局(PRO)测量可能不够特异,不足以描述对生活质量的全面影响。本项目的主要目标是从患者体验出发,为AAV患者开发疾病特异性PRO。被诊断为AAV的患者将
【主题与分类】
主题标签:Wegener Granulomatosis、Microscopic Polyangiitis、Churg-Strauss Syndrome。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01729624
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/NCT01729624
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:韦格纳肉芽肿、显微镜下多血管炎、丘格-施特劳斯综合征。抗中性粒细胞胞浆抗体(ANCA)相关性血管炎(AAV)患者的炎症发生于小血管,导致不同身体部位受累,例如肾脏、肺和皮肤。未经治疗时,死亡风险超过80%;采用当前治疗,患者常持续存在疾病活动、损伤或治疗副作用,对生活质量产生负面影响。由于AAV患者可具有广泛的疾病特征,研究者假设通用的患者报告结局(PRO)测量工具可能不够特异,不足以描述对生活质量的全面影响。本项目的主要目标是从患者的体验出发,开发针对AAV患者的疾病特异性PRO。
被诊断为AAV的患者将通过牛津大学医院(OUH)国家健康服务体系(NHS)信托基金的诊所或住院部招募,或者,如果患者此前已同意就未来研究接受联系,则通过血管炎诊断与分类(DCVAS)研究或ANCA相关性血管炎生活质量特征与决定因素(VasQoL)研究数据库招募。获得知情同意后,将对每位患者进行个体访谈;访谈时长约一小时,并将进行录音和转录。研究将独立提取主题并进行合并。约25名患有不同类型ANCA相关性血管炎且病程长短不一的患者将接受访谈,直至达到饱和,即不再出现新的实质性主题。随后,这些主题将发展为个体候选问卷条目。候选条目将在约25名不同的AAV患者中使用问卷和访谈进行预试验,直至不再出现进一步意见,从而形成最终的候选问卷条目集。研究期限为1.5年。
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。




