荷兰医院炎症性肠病患者治疗模式、肠外表现、资源利用与结局的回顾性观察性多中心研究
该数据集源自clinicaltrials.gov,聚焦荷兰医院中炎症性肠病(IBD)患者的回顾性观察性多中心研究,涵盖克罗恩病与溃疡性结肠炎

基本信息
资源简介
荷兰医院炎症性肠病患者治疗模式、肠外表现、资源利用与结局的回顾性观察性多中心研究
该数据集源自clinicaltrials.gov,聚焦荷兰医院中炎症性肠病(IBD)患者的回顾性观察性多中心研究,涵盖克罗恩病与溃疡性结肠炎。数据涉及治疗模式、肠外表现(包括风湿、皮肤、眼科及肺部表现)、医疗资源利用与患者结局,反映患者需长期管理且医疗负担较重。可用于分析IBD治疗选择与疾病负担、肠外表现对资源利用的影响,以及探索结局相关因素,支持临床决策与卫生经济学评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:克罗恩病、炎症性肠病(IBD)、溃疡性结肠炎。炎症性肠病(IBD)包括克罗恩病(CD)和溃疡性结肠炎(UC),是一种慢性、复发性胃肠道炎症性疾病,全球负担日益加重。患者常需终身管理,并在疾病过程中可能产生大量医疗资源利用(HCRU)。除肠道症状外,许多患者会出现肠外表现(EIMs),包括风湿、皮肤、眼科和肺部病症,进一步增加疾病复杂性和医疗负担。过去十年中,IBD的治疗选择大幅扩展。除皮质类固醇、硫嘌呤、甲氨蝶呤和氨基水杨酸等传统治疗外,多类先
【主题与分类】
主题标签:Crohn Disease、Inflammatory Bowel Disease (IBD)、Colitis Ulcerative。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07682038
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/NCT07682038
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:克罗恩病、炎症性肠病(IBD)、溃疡性结肠炎。炎症性肠病(IBD)包括克罗恩病(CD)和溃疡性结肠炎(UC),是一种慢性、复发性胃肠道炎症性疾病,全球疾病负担日益加重。患者常需终身管理,并在疾病过程中可能产生大量的医疗资源利用(HCRU)。除肠道症状外,许多患者还会出现肠外表现(EIMs),包括风湿、皮肤、眼科和肺部病变,这进一步增加了疾病的复杂性和医疗负担。过去十年间,IBD的治疗选择显著增多。除糖皮质激素、硫嘌呤、甲氨蝶呤和氨基水杨酸盐等传统治疗外,目前还可使用多类先进系统性治疗(ASTs),包括抗TNF药物、抗整合素治疗、抗IL-12/23治疗、JAK抑制剂和S1P受体调节剂。
尽管取得了这些进展,对许多患者而言,长期缓解仍然具有挑战性,并且描述疗法在荷兰常规临床实践中如何使用(包括治疗顺序、治疗持续时间、医疗资源利用以及与肠外表现相关的结局)的真实世界证据有限。本研究旨在通过生成关于在荷兰医院接受治疗的CD和UC患者的治疗模式、肠外表现负担、医疗资源利用和费用的真实世界见解,来填补这些证据空白。研究结果旨在支持荷兰IBD管理的临床决策、医疗规划和未来研究。研究设计:回顾性、观察性、多中心真实世界数据队列研究,使用来自5至10家参与研究的荷兰医院常规收集的医疗数据。观察期从2018年1月1日至2026年7月31日,并在任何数据提取之前完全结束。数据在参与机构内提取并进行假名化处理
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。




