遗传性大疱性表皮松解症患者队列观察性研究
该数据集来自 clinicaltrials.gov，为一项在欧洲开展的多中心队列观察性研究，聚焦遗传性大疱性表皮松解症（EBH）患者
基本信息
资源简介
遗传性大疱性表皮松解症患者队列观察性研究
该数据集英文名为 Observational Study of a Cohort of Patients With Hereditary Epidermolysis Bullosa，来源于 clinicaltrials.gov，在本站归入皮肤疾病 / 其他分类，主题标签为 Epidermolysis Bullosa。它对应的是一项在欧洲开展的多中心队列观察性研究，聚焦遗传性大疱性表皮松解症（EBH）患者。遗传性大疱性表皮松解症属于罕见的皮肤病，以皮肤和黏膜脆弱为特征。该研究的主要目标包括报告相关患者的口腔状况，并分析口腔特征与 EBH 类型之间的相关性，以促进患者照护管理及预防项目的建立，从而改善患者口腔健康。
【数据集背景】
遗传性大疱性表皮松解症（EBH）是一类罕见的皮肤病，其特征是皮肤和黏膜的脆弱性。源站描述指出，此前仅有少数小规模队列的口腔表现被发表。该研究被描述为欧洲首个多中心队列研究，关注在该疾病参考中心（MRDRC）就诊患者的口腔状况，这些中心位于法国尼斯、法国图卢兹和比利时鲁汶。研究的出发点在于系统报告这一患者群体的口腔状态，并进一步探讨口腔特征与 EBH 类型之间的关联，以便为患者照护管理和预防项目的制定提供依据，最终改善患者的口腔健康。
【数据内容】
该数据集对应的研究为一项观察性队列研究，研究对象为遗传性大疱性表皮松解症患者。源站描述中明确提到的核心内容涉及患者的口腔状况报告，以及口腔特征与 EBH 类型之间的相关性分析。主题标签为 Epidermolysis Bullosa。关于具体的变量字段、样本量、随访时长、数据表结构等信息，源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov。研究为多中心队列观察性研究，涉及法国尼斯、法国图卢兹和比利时鲁汶的该疾病参考中心（MRDRC），患者在这些中心接受咨询。源站描述将该研究定位为欧洲首个此类多中心队列研究。关于具体的采集时间窗、采集流程、数据录入方式等信息，源站未提供。
【适用场景】
基于源站描述，该数据集可用于了解遗传性大疱性表皮松解症患者的口腔状况，并支持探讨口腔特征与 EBH 类型之间相关性的研究场景，进而服务于患者照护管理与口腔健康预防项目的设计。其主题标签表明该数据与 Epidermolysis Bullosa 相关。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述提到，此前仅有少数小规模队列的口腔表现被发表，该研究为欧洲首个多中心队列研究，这提示其在该主题上具有一定的补充意义。关于样本量、数据完整性、缺失情况、偏倚控制、质量控制措施等具体质量信息，源站未提供。
【引用与许可】
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/NCT04217538
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：大疱性表皮松解症。遗传性大疱性表皮松解症（EBH）是一类以皮肤和黏膜脆弱为特征的罕见皮肤病。已有少数小规模队列研究报告了其口腔表现。本项多中心队列研究为欧洲首次开展，主要目的是报告在法国尼斯、法国图卢兹和比利时鲁汶该病的MRDRC就诊的患者的口腔状况。随后将分析口腔特征与EBH类型之间的相关性，以便于患者管理及制定预防方案以改善其口腔健康。
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。
