低剂量糖皮质激素治疗ANCA相关性血管炎的安全有效疗法(SAFE-LOW)
该数据集来自clinicaltrials.gov,聚焦ANCA相关性血管炎(AAV),涵盖肉芽肿性多血管炎与显微镜下多血管炎(MPA)

基本信息
资源简介
低剂量糖皮质激素治疗ANCA相关性血管炎的安全有效疗法(SAFE-LOW)
该数据集来自clinicaltrials.gov,聚焦ANCA相关性血管炎(AAV),涵盖肉芽肿性多血管炎与显微镜下多血管炎(MPA)。源站描述指出AAV常累及肾脏,可致严重肾损害甚至肾衰竭,当前以环磷酰胺(CYC)或利妥昔单抗(RTX)联合糖皮质激素(GC)递减方案诱导缓解,但高剂量GC带来感染等重大毒性。数据可用于研究低剂量GC策略下疗效与治疗相关毒性的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肉芽肿性多血管炎、显微镜下多血管炎(MPA)。ANCA相关性血管炎(AAV)是一种自身免疫性疾病,常累及肾脏。它是一种严重疾病,可导致严重肾损害,常为肾衰竭,甚至可能危及生命。当前治疗通常为环磷酰胺(CYC)或利妥昔单抗(RTX)联合糖皮质激素(GC)递减疗程,可使大多数患者实现疾病控制(缓解)。糖皮质激素最初多采用高剂量,然后在至少6个月内逐渐减至低剂量。这导致重大治疗毒性,尤其是感染和GC相关不良事件,是患者发病和死亡的主要贡献因素。近期研究集中于寻找在不影响控制疾病疗效的前提下减少治疗相关毒性的方法
【主题与分类】
主题标签:Granulomatosis With Polyangiitis、Microscopic Polyangiitis (MPA)。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/NCT06983821
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/NCT06983821
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:肉芽肿性多血管炎、显微镜下多血管炎(MPA)。ANCA相关性血管炎(AAV)是一种自身免疫性疾病,常累及肾脏。该病较为严重,可导致严重肾功能损害,常进展为肾衰竭,甚至可能危及生命。目前的治疗方案通常为环磷酰胺(CYC)或利妥昔单抗(RTX)联合糖皮质激素(GC)逐渐减量方案,可使大多数患者实现疾病控制(缓解)。糖皮质激素初始多采用大剂量,随后在至少6个月内逐渐减至低剂量。这会导致显著的治疗毒性,尤其是感染及GC相关不良事件,是患者发病和死亡的重要原因。近期研究致力于寻找在不影响控制疾病表现疗效的前提下减少治疗相关毒性的方法。
这包括来自“严重ANCA相关性血管炎中血浆置换与糖皮质激素(PEXIVAS)试验”的针对严重AAV的减量糖皮质激素逐渐减量方案,来自“利妥昔单抗联合减量糖皮质激素与高剂量糖皮质激素对ANCA相关性血管炎缓解诱导的影响(LOVAS)试验”的针对中度严重AAV患者的进一步减量糖皮质激素逐渐减量方案,以及“Avacopan治疗ANCA相关性血管炎(ADVOCATE)试验”中研究的一种新型节省糖皮质激素的药物。尽管取得了这些进展,患者仍面临高感染率,这是诊断后第一年死亡的主要原因之一,尤其是在疾病最严重形式的患者中。此外,新型节省糖皮质激素的药物价格昂贵,且在全球范围内可及性有限;无法获得这些药物的患者会暴露于大量糖皮质激素,并必须承受其可怕的副作用。本研究旨在解决尚未解决的问题,即不可接受的高感染风险,以及提供一种广泛可用的减少糖皮质激素暴露以最小化治疗副作用的手段。研究人员将研究一种针对严重AAV的诱导治疗方案
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。




