利福平、氧氟沙星与米诺环素联合治疗环形肉芽肿
该数据集来自 clinicaltrials.gov，聚焦环形肉芽肿（Granuloma Annulare）患者接受利福平、氧氟沙星与米诺环素联合治疗的记录
基本信息
资源简介
利福平、氧氟沙星与米诺环素联合治疗环形肉芽肿
该数据集英文名为 Granuloma Annulare Treated With Rifampin, Ofloxacin, and Minocycline Combination Therapy，来源于 clinicaltrials.gov，聚焦环形肉芽肿（Granuloma Annulare）患者接受利福平、氧氟沙星与米诺环素联合治疗的记录。数据集围绕患者既往及当前治疗方案、用药时长、对既往治疗的依赖变化、疾病进程是否因治疗而减缓以及治疗相关副作用等方面进行记录与回顾，属于皮肤与结缔组织疾病领域中环形肉芽肿主题的数据资源，可为相关临床观察与治疗评价提供参考。
【数据集背景】
环形肉芽肿是一种归类于皮肤与结缔组织疾病的病症。该数据集所对应的研究关注利福平、氧氟沙星与米诺环素联合治疗方案在环形肉芽肿患者中的应用情况。源站描述表明，研究将记录每位患者所接受的治疗方案，并从患者病历中回顾相关信息，以围绕既定目标开展分析。数据集的主题标签为 Granuloma Annulare，本站分类为皮肤与结缔组织疾病 / 环形肉芽肿。
【数据内容】
根据源站描述，该数据集记录和回顾的内容主要涉及以下几个方面：患者过去或当前正在使用哪些治疗选择；患者接受该治疗的时长；患者是否能够停用既往治疗或减少对既往治疗的依赖；治疗是否使疾病进程减缓；以及患者在治疗过程中是否出现副作用。这些内容围绕利福平、氧氟沙星与米诺环素联合治疗的患者记录展开，构成数据集的核心信息范围。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提到，将记录每位患者所接受的治疗方案，并从患者病历中回顾上述信息以针对研究目标进行分析。除来源站为 clinicaltrials.gov 以及从患者病历中回顾相关信息外，源站未提供更详细的采集时间、采集机构或采集流程说明。
【适用场景】
该数据集适用于环形肉芽肿相关临床观察与治疗评价场景，可用于了解患者在接受利福平、氧氟沙星与米诺环素联合治疗前后的治疗使用情况、用药时长、对既往治疗的依赖变化、疾病进程变化以及副作用记录等。其主题标签与分类也表明其可服务于皮肤与结缔组织疾病领域中环形肉芽肿方向的研究与信息整理。
【使用方法】
源站未提供具体的使用方法说明。使用者可依据数据集所记录的治疗方案、用药时长、治疗依赖变化、疾病进程及副作用等信息开展回顾性分析，但具体操作方式与使用规范源站未提供。
【质量与限制】
源站未提供关于数据质量、样本规模、完整性或验证方式的具体说明。由于数据内容涉及从患者病历中回顾的信息，其覆盖范围与详细程度以源站描述为限；除此之外的质量与限制信息源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT00720980
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：环状肉芽肿。我们将记录每位患者所接受的治疗方案，然后从患者病历中回顾以下内容，以实现上述特定目标。1. 曾使用或目前正在使用哪些既往治疗方案？2. 患者接受该治疗的时长是多少？3. 患者是否能够停用或减少对既往治疗的依赖？4. 治疗是否减缓了疾病进程？5. 患者在治疗过程中是否出现任何副作用？
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。
