RaDiCo PID 特发性间质性肺病队列
RaDiCo PID 队列是法国开展的一项观察性、前瞻性与回顾性结合的长期随访队列，纳入来自参考中心和能力中心的儿童及成人特发性间质性肺病（ILD）患者
基本信息
资源简介
RaDiCo PID 特发性间质性肺病队列
RaDiCo PID 队列（英文名称亦作 RaDiCo-ILD Cohort）是一项在法国开展的注册登记型队列研究，聚焦于特发性间质性肺病（Idiopathic Interstitial Lung Disease，ILD）这一疾病领域。该队列采用观察性设计，同时具备前瞻性与回顾性特征，并对纳入对象实施纵向长期随访。研究对象覆盖儿童与成人两类人群，均来自特发性间质性肺病相关的参考中心与能力中心。在疾病分类上，该队列对应特发性间质性肺炎／弥漫性间质性肺炎这一条件范畴。该数据集在来源站点被归入呼吸系统疾病下的其他类别，其主题标签同样指向特发性间质性肺炎／弥漫性间质性肺炎以及儿童与成人患者。整体而言，该数据集提供了一个围绕特发性间质性肺病、跨越儿科与成人人群并具有长期随访维度的观察性队列资源。
【数据集背景】
特发性间质性肺病是一类病因不明、病程迁延的弥漫性肺疾病，儿童与成人均可能受累。为系统积累该疾病在真实临床环境中的长期观察资料，法国建立了 RaDiCo-PID（特发性间质性肺炎）注册登记队列。该注册登记以观察性、前瞻性与回顾性相结合的方式运行，并对参与者进行纵向长期随访。其患者来源为特发性间质性肺病领域的参考中心与能力中心，纳入对象同时包括儿童与成人患者。该队列的建立为在统一登记框架下持续收集这一疾病人群的长期信息提供了基础。
【数据内容】
该数据集的主题标签为特发性间质性肺炎／弥漫性间质性肺炎，以及儿童与成人患者。所覆盖的疾病条件为特发性间质性肺炎／弥漫性间质性肺炎，纳入人群为儿科与成人患者。数据集所属分类为呼吸系统疾病下的其他类别。关于具体的变量字段、随访时间点、样本量、人口学构成、临床指标与结局定义等细节，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。其数据来自法国开展的 RaDiCo-PID 特发性间质性肺炎注册登记，该登记为正在进行的观察性、前瞻性与回顾性队列，具备纵向长期随访安排。患者由特发性间质性肺病相关的参考中心与能力中心纳入，涵盖儿童与成人患者。关于具体的招募流程、数据采集表单、随访频率与数据管理方式，源站未提供。
【适用场景】
基于其疾病领域与队列设计，该数据集可用于围绕特发性间质性肺病在儿童与成人人群中的长期观察性研究，例如描述该疾病人群在参考中心与能力中心环境下的长期随访特征。其前瞻性与回顾性结合的设计以及纵向长期随访安排，适合需要长期时间维度信息的观察性分析场景。关于具体的适用研究类型、分析终点与已验证的应用案例，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
该数据集为观察性注册登记队列，非干预性研究设计，其信息来源于参考中心与能力中心的纳入患者。关于数据完整性、缺失情况、随访依从性、偏倚控制、样本量以及外部有效性等质量与限制方面的具体说明，源站未提供。
【引用与许可】
源站未提供。
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/NCT04238871
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
条件：特发性间质性肺病/弥漫性间质性肺病，儿童及成人患者。法国RaDiCo-PID：特发性间质性肺病登记处是一个正在进行的观察性前瞻性和回顾性队列研究，具有纵向长期随访，纳入来自参考中心和能力中心的儿童及成人特发性间质性肺病（ILD）患者。
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。
