慢性肾病患者注射ProHance后NSF风险评估
该数据集来自clinicaltrials.gov，聚焦慢性肾病患者注射ProHance后发生肾源性系统性纤维化（NSF）的风险评估
基本信息
资源简介
慢性肾病患者注射ProHance后NSF风险评估
该数据集英文名为 Evaluation of the Risk of NSF Following ProHance Injection in Patients With Chronic Kidney Disease，来源于 clinicaltrials.gov，主题标签为 Renal Insufficiency，在本站归类于泌尿生殖系统疾病 / 其他。其核心内容是一项长期研究，目的是前瞻性比较两个队列中肾源性系统性纤维化（NSF）的发生率：队列1为中度慢性肾脏病、eGFR 30–59 的患者，队列2为重度慢性肾脏病或肾衰竭、eGFR <30 的患者。数据集聚焦慢性肾病患者注射 ProHance 后发生 NSF 的风险评估，可为相关临床风险认知提供研究层面的数据参考。
【数据集背景】
该数据集对应的研究关注慢性肾脏病人群在接受 ProHance 注射后发生肾源性系统性纤维化（NSF）的风险。源站描述显示，研究条件为 Renal Insufficiency（肾功能不全），研究设计为长期研究，目标是通过前瞻性方式比较不同肾功能水平患者群体中 NSF 的发生情况。研究将受试者按肾功能分为两个队列：队列1为中度慢性肾脏病，eGFR 在 30–59 之间；队列2为重度慢性肾脏病或肾衰竭，eGFR 小于 30。这一分组方式体现了以肾功能分层评估 NSF 风险的思路。
【数据内容】
数据内容围绕两个队列的 NSF 发生率比较展开。源站描述明确了两类队列的纳入条件，即依据 eGFR 水平划分中度与重度/肾衰竭人群，并以前瞻性长期研究的方式观察和比较 NSF 的发生率。除上述队列定义与研究目标外，源站未提供具体的样本量、观察时长、终点指标定义、统计方法或结果数据等细节。
【采集与来源】
该数据集来自 clinicaltrials.gov，属于临床试验注册信息层面的数据来源。源站描述给出了研究条件（Renal Insufficiency）、研究目的（前瞻性比较两个队列的 NSF 发生率）以及两个队列的 eGFR 分层标准。关于具体的采集流程、数据字段结构、更新频率等，源站未提供。
【适用场景】
该数据集适用于关注慢性肾脏病患者注射 ProHance 后 NSF 风险评估的研究与参考场景，尤其是需要按肾功能分层（中度 eGFR 30–59 与重度/肾衰竭 eGFR <30）比较 NSF 发生率的分析。也可用于了解以 eGFR 分层开展长期前瞻性安全性观察的研究设计思路。其他更具体的应用场景，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据获取方式、字段说明、分析指引或许可使用条件等均未在给定信息中体现。
【质量与限制】
该数据集的信息来自 clinicaltrials.gov 的注册描述，当前可确认的内容限于研究条件、研究目标与两个队列的 eGFR 分层定义。源站未提供样本量、随访时长、结果数据、统计分析方法及质量评估指标，因此无法据此判断研究的偏倚风险、数据完整性或结果可靠性。使用时应注意上述信息边界。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT00600834
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：肾功能不全。这项长期研究的目标是前瞻性比较两个队列中NSF的发生率（队列1——中度慢性肾脏病患者的eGFR为30-59，队列2——重度慢性肾脏病或肾衰竭患者的eGFR<30）。
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。
