营养不良型大疱性表皮松解症前瞻性纵向自然史研究

该数据集来自 clinicaltrials.gov,为营养不良型大疱性表皮松解症(DEB)的前瞻性、多中心、多国纵向自然史研究

Lotus Tissue Repair, Inc.Lotus Tissue Repair, Inc.
clinicaltrials
浏览 10
表格预测Dystrophic Epidermolysis Bullosa
Prospective, Longitudinal Natural History Study in Dystrophic Epidermolysis Bullosa

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-17

资源简介

营养不良型大疱性表皮松解症前瞻性纵向自然史研究

该数据集来自 clinicaltrials.gov,为营养不良型大疱性表皮松解症(DEB)的前瞻性、多中心、多国纵向自然史研究。研究对象包括显性(DDEB)和隐性(RDEB)DEB 患者,在入组时及入组后 1 至 2 周、6 个月和 12 个月共进行四次评估。评估内容包括皮肤受累的定量评价,以及疾病严重程度、生活质量、疼痛、瘙痒和医疗与家族史等问卷。数据可用于描述 DEB 疾病严重程度随时间的纵向变化,支持预后预测与临床研究设计(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:营养不良型大疱性表皮松解症。这是一项针对 DEB 受试者疾病严重程度的前瞻性、多中心、多国纵向评估。显性或隐性 DEB(分别为显性营养不良型大疱性表皮松解症(DDEB)和隐性营养不良型大疱性表皮松解症(RDEB))受试者将在一年内接受四次评估:入组时,以及入组后 1 至 2 周和 6 个月和 12 个月。所有符合研究入选标准的 DDEB 或 RDEB 受试者都将被邀请参与研究,前提是能够在预期研究时间线内安排。除常规临床评估外,受试者还将接受皮肤受累的定量评估,并被要求填写问卷,测量内容包括疾病严重程度、QOL、疼痛、瘙痒以及医疗和家族史等。

【主题与分类】

主题标签:Dystrophic Epidermolysis Bullosa。本站分类:皮肤与结缔组织疾病/遗传性大疱性表皮松解症。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01768026

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT01768026

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:营养不良型大疱性表皮松解症。这是一项针对DEB受试者疾病严重程度的前瞻性、多中心、跨国、纵向评估。显性遗传型或隐性遗传型DEB受试者(分别为显性营养不良型大疱性表皮松解症(DDEB)和隐性营养不良型大疱性表皮松解症(RDEB))将在一年的时间内接受四次评估:入组时,以及入组后1至2周、6个月和12个月时。所有符合研究入组标准的DDEB或RDEB受试者都将被邀请参与本研究,前提是能够在预期研究时间线内安排。除常规临床评估外,受试者还将接受皮肤受累的定量评估,并被要求填写问卷,测量内容包括疾病严重程度、生活质量、疼痛、瘙痒以及病史和家族史等。

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。

获取专属数据定制方案