布雷斯特大学医院系统性硬化症前瞻性队列及生物样本库
该数据集来自clinicaltrials.gov，为布雷斯特大学医院开展的单中心前瞻性成人系统性硬化症患者队列，包含纵向临床数据的有组织收集以及生物样本采集，样本涵盖血液样本、粪便样本和皮肤拭子，用于微生物群分析
基本信息
资源简介
布雷斯特大学医院系统性硬化症前瞻性队列及生物样本库
该数据集来自 clinicaltrials.gov，为布雷斯特大学医院开展的单中心前瞻性成人系统性硬化症患者队列，旨在建立纵向临床数据的有组织收集，并同步采集生物样本，包括血液样本、粪便样本和皮肤拭子，用于微生物群分析。数据集归属于皮肤与结缔组织疾病 / 硬皮病分类，主题标签为系统性硬化症。其核心价值在于将系统性硬化症患者的长期临床随访数据与配套生物样本相结合，形成结构化的队列资源，为疾病相关研究提供基础材料。
【数据集背景】
系统性硬化症是一种累及皮肤与结缔组织的疾病，本数据集所属分类即为皮肤与结缔组织疾病 / 硬皮病。该研究对应布雷斯特大学医院开展的单中心前瞻性成人系统性硬化症患者队列，研究对象为成年系统性硬化症患者。研究采用前瞻性设计，意味着数据与样本将在随访过程中持续、按计划地积累，而非一次性横断面采集。单中心设计使数据来源集中于同一医疗机构，便于统一采集流程与随访管理。
【数据内容】
数据集包含两大部分内容。其一是纵向临床数据的有组织收集，即对患者临床信息进行结构化、连续性的记录与整理。其二是生物样本采集，样本类型涵盖血液样本、粪便样本以及皮肤拭子，其中粪便样本与皮肤拭子明确用于微生物群分析。血液样本的具体检测用途、临床数据的具体字段构成、样本量规模及随访时长等信息，源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的该项研究，采集主体为布雷斯特大学医院。采集对象为成人系统性硬化症患者，采集方式为单中心前瞻性队列随访，在随访过程中同步完成临床数据记录与生物样本收集。样本采集种类包括血液、粪便和皮肤拭子。关于具体的采样时间点、采样频率、样本保存条件与生物样本库的管理细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于系统性硬化症相关的临床与转化研究，尤其是需要纵向临床数据与配套生物样本相结合的研究场景。由于包含粪便样本与皮肤拭子并明确用于微生物群分析，可用于探讨系统性硬化症患者微生物群特征的相关研究。血液样本与纵向临床数据的组合亦可用于疾病相关标志物与病程观察类研究。具体适用方向与研究设计细节，源站未提供。
【使用方法】
该数据集以队列形式组织，包含纵向临床数据与生物样本两部分，使用时可依据研究目的提取相应的临床随访信息并申请对应的生物样本。关于数据访问方式、样本申请流程、数据格式与变量说明等操作层面的信息，源站未提供。
【质量与限制】
该研究为单中心前瞻性队列，数据与样本来源集中于布雷斯特大学医院，研究对象为成人系统性硬化症患者。单中心设计可能影响样本的代表性与结果外推范围。关于样本量、随访完整率、失访情况、数据核查与质量控制措施等信息，源站未提供。
【引用与许可】
该数据集来源于 clinicaltrials.gov 登记的研究。关于引用格式、数据使用许可、样本使用协议及知识产权归属等信息，源站未提供。
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/NCT05532865
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
条件：系统性硬化症。本研究为一项单中心前瞻性成人系统性硬化症患者队列研究。该研究将建立纵向临床数据的有组织收集，并采集生物样本，包括血液样本、粪便样本和皮肤拭子，用于微生物群分析。
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。
