男孩X连锁少汗性外胚层发育不良（XLHED）特征与影响：观察性国际研究
疾病：X连锁少汗性外胚层发育不良（XLHED）。XLHED是一种罕见遗传病，男性受累更严重。主要症状为出汗能力缺失或降低，导致危险过热风险，以及牙齿很少或没有牙齿和毛发稀疏
基本信息
资源简介
男孩X连锁少汗性外胚层发育不良（XLHED）特征与影响：观察性国际研究
本数据集围绕X连锁少汗性外胚层发育不良（XLHED）在男性患儿中的特征与影响展开，是一项观察性国际研究的数据集合。XLHED是一种罕见遗传病，男性受累更为严重，主要症状包括出汗能力缺失或降低，由此带来危险过热的风险，同时表现为牙齿很少或没有牙齿、毛发稀疏。该疾病对患者及其家庭的日常生活可能产生显著影响。由于疾病罕见且研究以纯描述性为目的，研究在约12个月期间纳入所有符合条件的患者，预计在法国和德国招募20至30名男性患者，为期一年的入组。统计分析采用描述性方法，不进行假设检验，由患儿家长在入组时以及入组后1年和2年填写问卷。本站将其归类于口腔疾病下的其他类别，来源为clinicaltrials.gov。
【数据集背景】
XLHED是一种罕见遗传病，男性患者受累程度更为严重。其主要症状为出汗能力缺失或降低，这会导致危险过热的风险；同时患者牙齿很少或没有牙齿，毛发稀疏。该疾病可显著影响患者及其家庭的日常生活。鉴于疾病本身的罕见性，以及研究以纯描述性为目的，研究设计允许在约12个月期间纳入所有符合条件的患者，预计在法国和德国用一年入组期招募20至30名男性患者。研究不设假设检验，统计分析为描述性。
【数据内容】
数据集所涉及的内容围绕XLHED男性患儿的特征与影响展开。根据源站描述，研究通过问卷收集信息，问卷由患儿家长在入组时填写，并在入组后1年和2年再次填写。数据内容的具体变量、问卷条目及测量指标，源站未提供。
【采集与来源】
数据来源站为clinicaltrials.gov。研究为观察性国际研究，计划在法国和德国开展，入组期约一年，预计纳入20至30名男性患者。问卷由患儿家长在入组时及入组后1年和2年完成。其他采集流程细节，源站未提供。
【适用场景】
该数据集适用于描述XLHED在男性患儿中的特征与影响，可用于了解该罕见遗传病对患者及其家庭日常生活的描述性信息。由于统计分析为描述性且不进行假设检验，其适用场景限于描述性研究用途。其他具体应用场景，源站未提供。
【使用方法】
根据源站描述，研究采用描述性统计分析，不进行假设检验；数据通过家长在入组时及入组后1年和2年填写的问卷获得。具体的数据使用方式、访问条件与分析操作，源站未提供。
【质量与限制】
该研究为观察性、描述性研究，不设假设检验，样本预计为20至30名男性患者，入组期约一年，研究范围限于法国和德国。由于疾病罕见，研究纳入所有符合条件的患者。其他质量控制措施与使用限制，源站未提供。
【引用与许可】
源站未提供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/NCT07096206
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：X连锁少汗性外胚层发育不良（XLHED）。XLHED是一种罕见遗传病，男性受累更为严重。主要症状为出汗能力缺失或减弱，导致危险性过热风险，以及牙齿缺失或无牙、毛发稀疏。该病可显著影响患者及其家庭的日常生活。鉴于该病罕见且本研究纯属描述性目的，所有符合条件的患者均可在约12个月期间内纳入。预计在法国和德国为期一年的入组期内纳入20至30名男性患者。统计分析：将为描述性分析，不进行假设检验。问卷将由患儿家长在入组时以及入组数据后1年和2年时填写。
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。
