乳糜泻不同表型的背景研究
该数据集来自 clinicaltrials.gov，围绕乳糜泻与疱疹样皮炎展开，纳入乳糜泻患者、疱疹样皮炎患者及健康对照
基本信息
资源简介
乳糜泻不同表型的背景研究
Background of Different Phenotypes of Coeliac Disease 是一个登记于 clinicaltrials.gov 的研究数据集，聚焦乳糜泻与疱疹样皮炎两类疾病。乳糜泻在临床上具有高度异质性，其表型差异背后的影响因素尚未被充分阐明，因此该研究围绕乳糜泻表型之间的差异展开，同时纳入疱疹样皮炎患者与健康对照，用于比较不同人群在遗传、临床、免疫、微生物组以及新型生物医学标志物等方面的特征，并评估这些标志物的预后价值。数据集在分类上归属于皮肤疾病 / 其他，主题标签为 Celiac Disease 与 Dermatitis Herpetiformis，整体定位是服务于乳糜泻及相关疱疹样皮炎表型的背景性研究。
【数据集背景】
乳糜泻是一种临床表现高度异质的疾病，随着对临床异质性认识的不断扩展，学界对乳糜泻的理解有所深化，但导致这种多样性的具体因素仍不明确。由于乳糜泻的高度异质性，临床上对更个体化的随访与支持、以及更具个性化的随访指南的实施存在明确需求。该数据集所依托的研究正是在这一背景下设计，旨在通过纳入乳糜泻患者、疱疹样皮炎患者以及健康对照，比较不同乳糜泻表型之间以及患者与对照之间的多种指标，并评估这些指标的预后价值，从而为理解表型差异和推动个体化管理提供研究基础。
【数据内容】
该数据集涉及的内容围绕乳糜泻与疱疹样皮炎两类疾病人群及健康对照展开。研究所比较的指标类别包括遗传、临床、免疫、微生物组以及新型生物医学标志物。比较的对象既包括不同乳糜泻表型之间，也包括这些表型与健康对照之间。研究同时评估上述标志物的预后价值。关于具体的变量字段、样本量、数据结构、文件格式等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究将招募乳糜泻患者、疱疹样皮炎患者以及健康对照。关于招募的具体时间、地点、机构、样本采集流程与随访周期等信息，源站未提供。
【适用场景】
该数据集适用于围绕乳糜泻临床异质性及其表型差异的研究场景，可用于比较不同乳糜泻表型之间以及患者与健康对照之间在遗传、临床、免疫、微生物组和新型生物医学标志物方面的特征，并可用于探讨这些标志物的预后价值。其主题标签涵盖乳糜泻与疱疹样皮炎，因此在涉及疱疹样皮炎与乳糜泻关联的研究中亦具有参考意义。关于该数据集在其他具体应用场景中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问条件、分析流程或配套工具等均未说明。
【质量与限制】
该数据集在分类上归属于皮肤疾病 / 其他，来源为 clinicaltrials.gov。由于乳糜泻本身具有高度异质性，研究关注表型差异及个体化随访需求。关于样本量、数据完整性、偏倚控制、随访时长以及其它质量相关指标，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT05597904
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：乳糜泻、疱疹样皮炎。对临床异质性的认识拓展了对乳糜泻的理解，但导致这种多样性的因素仍不清楚。此外，由于乳糜泻具有高度异质性，需要更个体化的随访和支持，并实施更个性化的随访指南。本研究将招募乳糜泻和疱疹样皮炎患者以及健康对照者。比较乳糜泻表型之间以及对照者之间的遗传、临床、免疫学、微生物群和新型生物医学标志物，并评估其预后价值。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
