斑秃血清铁死亡生物标志物(GPX4、MDA)数据集
本数据集来自 clinicaltrials.gov,聚焦斑秃(Alopecia Areata)与铁死亡通路的关系,收录 156 名参与者的血清生物标志物数据,包括 104 例斑秃患者(分急性与慢性队列)和 52 名年龄、性别匹配的健康对照

基本信息
资源简介
斑秃血清铁死亡生物标志物(GPX4、MDA)数据集
本数据集来自 clinicaltrials.gov,聚焦斑秃(Alopecia Areata)与铁死亡通路的关系,收录 156 名参与者的血清生物标志物数据,包括 104 例斑秃患者(分急性与慢性队列)和 52 名年龄、性别匹配的健康对照。数据涵盖谷胱甘肽过氧化物酶4(GPX4)和丙二醛(MDA)两种关键铁死亡标志物的定量测量结果,采用 ELISA 试剂盒检测。该数据可用于比较组间血清标志物水平、评估其诊断价值,并分析标志物与临床病程的相关性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:斑秃(AA)、斑秃、斑秃(含匍行性斑秃)、脱发。本研究旨在探讨铁死亡通路在斑秃(AA)发病机制和临床病程中的潜在作用。将使用酶联免疫吸附测定(ELISA)试剂盒定量测量两种关键铁死亡生物标志物的血清浓度——谷胱甘肽过氧化物酶4(GPX4,一种抵御脂质过氧化的主要抗氧化酶)和丙二醛(MDA,脂质膜损伤的主要终产物)。共纳入156名参与者,包括104名确诊斑秃的患者(细分为急性与慢性队列)和52名年龄、性别匹配的健康对照。将统计比较各组间的血清生物标志物水平以确定其诊断价值。此外,这些生物标志物水平将被关联
【主题与分类】
主题标签:Alopecia Areata(AA)、Alopecia Areata、Alopecia Areata (& Ophiasis)、Alopecia。本站分类:皮肤与结缔组织疾病/脱发。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07733063
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/NCT07733063
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
研究条件:斑秃(AA)、斑秃、斑秃(含蛇行性斑秃)、脱发。本研究旨在探讨铁死亡通路在斑秃(AA)发病机制及临床病程中的潜在作用。将采用酶联免疫吸附测定(ELISA)试剂盒定量检测两种关键铁死亡生物标志物的血清浓度——谷胱甘肽过氧化物酶4(GPX4,一种抵御脂质过氧化的主要抗氧化酶)和丙二醛(MDA,脂质膜损伤的主要终产物)。研究共纳入156名参与者,包括104例确诊为斑秃的患者(细分为急性期和慢性期队列)以及52名年龄和性别相匹配的健康对照者。将对各组间的血清生物标志物水平进行统计学比较,以确定其诊断价值。此外,还将把这些生物标志物水平与通过脱发严重程度工具(SALT)评分评估的临床疾病范围以及客观的毛发镜活动性表现(如黑点征、黄点征和感叹号发)进行相关性分析。
这项横断面研究的最终目标是评估血清GPX4和MDA能否作为可靠的客观生物标志物,用于监测斑秃管理中的疾病严重程度、分期及毛发镜活动度。
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。




