复发性阿弗他口炎唾液E-cadherin、Calprotectin与MMP-9水平研究
该数据集来自clinicaltrials.gov,聚焦复发性阿弗他口炎(RAS)与健康对照者唾液中的E-cadherin、Calprotectin和基质金属蛋白酶-9(MMP-9)水平差异

基本信息
资源简介
复发性阿弗他口炎唾液E-cadherin、Calprotectin与MMP-9水平研究
该数据集来自clinicaltrials.gov,聚焦复发性阿弗他口炎(RAS)与健康对照者唾液中的E-cadherin、Calprotectin和基质金属蛋白酶-9(MMP-9)水平差异。研究提出零假设与备择假设,并基于效应量0.50、80%检验效能和5%的I类错误率,使用G*Power 3.1计算所需样本量为102名参与者,计划设立患者组与健康对照组。数据可用于比较两组唾液标志物水平,辅助探索RAS的潜在生物标志物及分类判别(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:复发性阿弗他口炎、阿弗他溃疡。假设H₀(零假设):复发性阿弗他口炎(RAS)患者与健康对照者之间,唾液E-cadherin、Calprotectin和基质金属蛋白酶-9(MMP-9)水平无统计学显著差异。H₁(备择假设):RAS患者与健康对照者之间,唾液E-cadherin、Calprotectin和MMP-9水平存在统计学显著差异。样本量计算:基于效应量0.50、80%检验效能和5%的I类错误率(α),使用G*Power(版本3.1)中的“t检验 - 均值:两个独立均值之差(两组)”模块,计算得出研究所需样本量为102名参与者。参与者分组:将设立两个研究组:患者组和健康对照组。
【主题与分类】
主题标签:Recurrent Aphthous Stomatitis、Aphthous Ulcer。本站分类:口腔疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07141758
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/NCT07141758
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
病症:复发性阿弗他口炎、阿弗他溃疡。假设H₀(零假设):复发性阿弗他口炎(RAS)患者与健康对照组之间,唾液E-钙黏蛋白、钙卫蛋白及基质金属蛋白酶-9(MMP-9)水平无统计学显著差异。H₁(备择假设):RAS患者与健康对照组之间,唾液E-钙黏蛋白、钙卫蛋白及MMP-9水平存在统计学显著差异。样本量计算基于效应量0.50、检验效能80%及I型错误率(α)5%,使用G*Power(版本3.1)中的“t检验 - 均值:两个独立均值之差(两组)”模块,计算得出研究所需样本量为102名参与者。参与者分组将建立两个研究组:患者组与健康对照组。根据特征性临床表现和病史临床诊断为轻型复发性阿弗他口炎(RAS)的患者将纳入患者组。
对于轻微RAS的诊断,过去一年内至少有三次RAS发作史将被视为必要条件。该病变应呈圆形或椭圆形,直径小于5毫米,边缘环绕红晕,表面覆盖灰白色假膜。为了获取唾液样本,检查时至少需存在一处口疮病变。研究将选取年龄和性别分布相似、且一生中无RAS病史的对照组参与者。本研究将采用世界卫生组织(WHO)定义的成人极低龋齿风险水平,即DMFT<5.0作为所有参与者的纳入标准。DMFT指数:D(龋坏):龋齿数量;M(缺失):因龋齿丢失的牙齿数量;F(充填):因过往龋齿而充填的牙齿数量;T(牙齿):评估的牙齿总数。参与
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。




