慢性肾脏病患者心境障碍药物基因组学研究
该数据集来自 clinicaltrials.gov，为一项前瞻性队列研究，纳入慢性肾脏病（CKD）合并抑郁的患者并采集遗传信息
基本信息
资源简介
慢性肾脏病患者心境障碍药物基因组学研究
该数据集英文名为 Pharmacogenomics of Mood Disorder in Chronic Kidney Disease Patients，来源于 clinicaltrials.gov，在本站归入泌尿生殖系统疾病 / 其他分类。它对应一项前瞻性队列研究，研究对象为慢性肾脏病（CKD）合并抑郁的患者，研究过程中采集患者的遗传信息。研究的基本设想是结合患者的生化信息（包括遗传信息），对心境障碍的患病情况以及抗精神病治疗的应答进行预测。数据集以慢性肾脏病与抑郁为核心主题标签，整体围绕肾病背景下心境障碍的药物基因组学问题组织数据，供关注这一交叉领域的研究者了解和使用。
【数据集背景】
慢性肾脏病患者常合并抑郁等心境障碍，而这类患者的用药与疗效评估往往比一般人群更为复杂。该数据集所依托的研究正是在这一背景下设计：以慢性肾脏病合并抑郁的患者为对象，通过前瞻性队列的方式收集遗传信息与生化信息，探索能否据此预测心境障碍的患病情况以及患者对抗精神病治疗的应答。数据集的主题标签为慢性肾脏病（CKD）与抑郁，本站将其归入泌尿生殖系统疾病 / 其他类别。
【数据内容】
源站描述表明，该研究采集的是患者的遗传信息，并结合患者的生化信息用于预测分析。数据集涉及的疾病条件为慢性肾脏病（CKD）与抑郁，关注的结果包括心境障碍的患病情况和对抗精神病治疗的应答。除上述内容外，关于具体变量条目、遗传标记种类、生化指标项目、样本量、随访时长与结局定义等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov，对应一项前瞻性队列研究。研究纳入慢性肾脏病合并抑郁的患者，并在研究过程中采集遗传信息。除来源站与设计类型外，关于招募地点、入排标准、采集时间窗与采样流程等信息，源站未提供。
【适用场景】
基于现有信息，该数据集可用于围绕慢性肾脏病合并抑郁人群的药物基因组学研究，例如探讨遗传信息与生化信息联合用于心境障碍患病预测的可行性，以及用于抗精神病治疗应答相关分析。由于数据集同时涉及肾脏疾病与精神障碍两个领域，也适合作为跨学科研究的参考资料。关于具体可支持的分析类型与建模任务，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据访问方式、文件格式、字段字典与配套分析脚本等。
【质量与限制】
该数据集为前瞻性队列研究来源，其设计类型在因果推断上具有一定优势，但具体样本规模、随访完整性与缺失情况源站未提供。由于研究对象限定为慢性肾脏病合并抑郁的患者，结果外推到其他人群时需谨慎。关于偏倚控制、质量控制措施与数据更新情况，源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息，使用前应向数据提供方核实。
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/NCT06675396
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：慢性肾脏病（CKD）、抑郁症。本前瞻性队列研究纳入慢性肾脏病患者并收集遗传信息。通过患者的生化信息（包括遗传信息），我们可以预测心境障碍的患病率及对抗精神病治疗的应答。
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。
