罕见肾脏疾病中的牙周病(PERIO-RA-RE)
该数据集来自 clinicaltrials.gov,聚焦罕见肾脏疾病人群中的牙周病。覆盖牙周病、牙周炎、慢性肾脏病(CKD)、Alport综合征、Fabry病、狼疮或SLE、结节性硬化症(TSC)等主题

基本信息
资源简介
罕见肾脏疾病中的牙周病(PERIO-RA-RE)
该数据集来自 clinicaltrials.gov,聚焦罕见肾脏疾病人群中的牙周病。覆盖牙周病、牙周炎、慢性肾脏病(CKD)、Alport综合征、Fabry病、狼疮或SLE、结节性硬化症(TSC)等主题。研究为横断面、对照观察性设计,旨在评估这些人群中牙周病的患病率和严重程度,受试者来自 Fundeni Clinical Institute 成人肾脏病科等机构。数据可用于分析罕见肾脏疾病与牙周健康之间的关联,支持相关分类与观察性研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:牙周病、牙周炎、CKD、慢性肾脏病、Alport综合征、Fabry病、狼疮或SLE、结节性硬化症(TSC)。牙周病是一种与全身性炎症相关的慢性炎症性疾病,已被认为与慢性肾脏病(CKD)的严重程度和结局相关。然而,关于罕见肾脏疾病中牙周病的数据仍然有限。罕见肾脏疾病如Alport综合征、Fabry病和结节性硬化症,以及系统性红斑狼疮(SLE),可能存在影响牙周健康的独特生物学和治疗相关因素。本研究是一项横断面、对照观察性研究,旨在评估这些人群中牙周病的患病率和严重程度。受试者将从Fundeni Clinical Institute成人肾脏病科和gener招募。
【主题与分类】
主题标签:Periodontal Disease、Periodontitis、CKD、Chronic Kidney Disease、Alport Syndrome、Fabry Disease、Lupus or SLE、Tuberous Sclerosis Complex (TSC)、Systemic Lupus Erythematosus (SLE)。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07575347
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/NCT07575347
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:牙周病、牙周炎、CKD、慢性肾脏病、Alport综合征、Fabry病、狼疮或SLE、结节性硬化症复合体(TSC)。牙周病是一种与全身性炎症相关的慢性炎症性疾病,并与慢性肾脏病(CKD)的严重程度和结局相关。然而,关于罕见肾脏疾病中牙周病的数据仍然有限。罕见肾脏疾病,如Alport综合征、Fabry病和结节性硬化症复合体,以及系统性红斑狼疮(SLE),可能存在影响牙周健康的独特生物学和治疗相关因素。本研究是一项横断面、对照观察性研究,旨在评估这些人群中牙周病的患病率和严重程度。参与者将从Fundeni临床研究所成人肾脏病科和一般人群来源中招募。每位参与者将接受一次研究访视,包括由经过校准的牙医进行的标准化全口牙周检查、结构化问卷,以及从医疗记录中提取临床数据。
主要结局是牙周炎的患病率,依据2018年牙周病分类标准进行定义。次要结局包括牙周病严重程度的测量指标及相关口腔状况。统计分析将包括描述性统计、组间比较以及针对相关混杂因素进行调整的多变量回归模型。
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。




