IPF与HP预后评分比较
该数据集来自clinicaltrials.gov,为回顾性观察研究,聚焦间质性肺病(ILD)中的特发性肺纤维化(IPF)、纤维化性过敏性肺炎(HP)及非纤维化性HP三类亚型

基本信息
资源简介
IPF与HP预后评分比较
该数据集来自clinicaltrials.gov,为回顾性观察研究,聚焦间质性肺病(ILD)中的特发性肺纤维化(IPF)、纤维化性过敏性肺炎(HP)及非纤维化性HP三类亚型。数据用于评估和比较GAP指数、ILD-GAP指数与复合生理指数(CPI)三种评分系统对患者总生存期的预测表现,并探索各评分模型在特定ILD亚型中是否具有更优预测价值。可用于预后评分模型的性能比较与生存预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:IPF、纤维化性肺疾病、过敏性肺炎、间质性肺病(ILD)。这是一项回顾性观察研究,旨在评估和比较三种广泛使用的评分系统——性别-年龄-生理学(GAP)指数、间质性肺病-GAP(ILD-GAP)指数和复合生理指数(CPI)——在诊断为间质性肺病(ILD)患者中的预后表现。该研究特别关注三种ILD亚型:特发性肺纤维化(IPF)、纤维化性过敏性肺炎(HP)和非纤维化性HP。主要目标是确定GAP、ILD-GAP和CPI评分能否准确预测这些患者群体的总生存期。次要目的是比较这些评分系统的预后表现,以探索某一模型在特定ILD亚型中是否提供更优的预测价值。
【主题与分类】
主题标签:IPF、Fibrotic Lung Disease、Hypersensitivity Pneumonitis、Interstitial Lung Disease (ILD)。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07169253
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/NCT07169253
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
疾病条件:IPF、纤维化性肺疾病、过敏性肺炎、间质性肺疾病(ILD)。这是一项回顾性观察性研究,旨在评估和比较三种广泛使用的评分系统——性别-年龄-生理学(GAP)指数、间质性肺疾病-GAP(ILD-GAP)指数和复合生理指数(CPI)——在诊断为间质性肺疾病(ILD)患者中的预后性能。该研究特别关注三种ILD亚型:特发性肺纤维化(IPF)、纤维化性过敏性肺炎(HP)和非纤维化性HP。主要目的是确定GAP、ILD-GAP和CPI评分能否准确预测这些患者组的总生存期。次要目的是比较这些评分系统的预后性能,以探讨某一模型是否在特定ILD亚型中提供更优的预测价值。研究队列包括2011年10月至2021年10月期间在University of Health Sciences Yedikule Chest Diseases and Thoracic Surgery Training and Research Hospital确诊的成年患者(≥18岁)。
共识别并纳入143例患者:45例IPF患者、26例纤维化型HP患者和72例非纤维化型HP患者。每位患者收集的数据包括临床和人口学特征、症状持续时间、高分辨率计算机断层扫描(HRCT)表现、肺功能检查(PFT)结果、支气管肺泡灌洗(BAL)表现,以及在可获得情况下的组织病理学诊断。每例患者的最终诊断均通过多学科团队(MDT)讨论和/或组织病理学确认而确立。评分系统采用标准化公式计算:GAP指数:基于性别、年龄和生理指标(FVC占预计值百分比、DLCO占预计值百分比)。ILD-GAP指数:GAP模型的改良版,用于结缔组织病相关ILD及其他ILD。CPI(复合生理指数):按91 -(0.65 × %DLCO)-(0.53 × %FVC)+(0.34 × %FEV1)计算。通过将这些经过验证的预后模型应用于真实世界的ILD队列
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。




