风湿病患者中的COVID-19疫苗反应与联合接种(COVER-CoAd)
该数据集来自clinicaltrials.gov,聚焦风湿病患者这一在COVID-19疫苗临床试验中常被排除的人群,关注其接种SARS-CoV-2疫苗后的免疫反应以及疫苗联合接种情况

基本信息
资源简介
风湿病患者中的COVID-19疫苗反应与联合接种(COVER-CoAd)
该数据集来自clinicaltrials.gov,聚焦风湿病患者这一在COVID-19疫苗临床试验中常被排除的人群,关注其接种SARS-CoV-2疫苗后的免疫反应以及疫苗联合接种情况。源站描述指出,多种SARS-CoV-2疫苗已在普通人群中显示出良好效力与耐受性,但自身免疫疾病患者、尤其是接受免疫调节治疗者多被排除在临床试验之外,而某些免疫调节治疗已被证实会影响疫苗反应,且影响因药物和疫苗类型而异。该数据可用于研究风湿病患者疫苗接种后的反应预测与联合接种策略评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:风湿性疾病。由冠状病毒SARS-CoV-2(严重急性呼吸综合征冠状病毒2)引起的COVID-19大流行已感染了世界人口的很大一部分,自2019年12月首次描述以来已导致数百万人死亡。最近,几种SARS-CoV-2疫苗在普通人群中显示出极好的效力和耐受性,并已获得美国食品药品监督管理局(FDA)的完全批准或紧急使用授权,而其他几种疫苗正处于后期临床试验阶段。然而,自身免疫性疾病患者,特别是那些接受免疫调节治疗的患者,在很大程度上被排除在临床试验之外。然而,某些免疫调节治疗已被证明会影响对疫苗的反应,其影响因药物和疫苗类型而异。与
【主题与分类】
主题标签:Rheumatic Diseases。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05543642
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/NCT05543642
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:风湿性疾病。由严重急性呼吸综合征冠状病毒2(SARS-CoV-2)引发的COVID-19大流行,已感染全球大量人口,自2019年12月首次描述以来,导致数百万人死亡。近期,几种SARS-CoV-2疫苗在普通人群中显示出极佳的有效性和耐受性,并已获得美国食品药品监督管理局(FDA)的完全批准或紧急使用授权,而其他几种疫苗正处于后期临床试验阶段。然而,自身免疫性疾病患者,尤其是那些接受免疫调节治疗的患者,大多被排除在临床试验之外。尽管如此,某些免疫调节疗法已被证明会影响疫苗反应,其影响因药物和疫苗类型而异。
根据在风湿性疾病人群中接种流感、肺炎球菌和带状疱疹疫苗的经验,可以明确的是,某些改善病情的抗风湿药物(DMARDs)以及用于治疗免疫介导炎症性疾病的免疫调节疗法能够削弱对COVID-19疫苗的免疫应答。此外,一个假设性的担忧是,免疫系统的刺激可能导致自身免疫性疾病的发作或新发自身免疫表现。患者自身对疫苗接种可能导致疾病发作或加重的担忧也相当普遍,有时会成为疫苗犹豫或拒绝接种的原因。由于SARS-CoV-2疫苗近期才研发成功并随后大规模部署以抗击 pandemic,迄今为止,在接受免疫调节治疗的患者中,其安全性和免疫原性评估仍然有限。与此同时,多项研究表明,自身免疫性疾病患者可能面临更高的COVID-19不良结局风险,包括住院和死亡,这凸显了在此类人群中有效接种疫苗的重要性。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




