拉丁美洲系统性红斑狼疮患者的血清学与尿液生物标志物:GLADEL 2.0 队列
该数据集来自 clinicaltrials.gov,聚焦拉丁美洲系统性红斑狼疮(SLE)患者中的狼疮肾炎(LN)。源站描述指出,肾活检是诊断 LN 的金标准,但属有创检查、不宜作为系列随访工具,因此研究关注血液、尿液及生物体液中的可溶性标志物、自身抗体和肾脏损害的遗传标志物等,探索其诊断和/或预后价

基本信息
资源简介
拉丁美洲系统性红斑狼疮患者的血清学与尿液生物标志物:GLADEL 2.0 队列
该数据集来自 clinicaltrials.gov,聚焦拉丁美洲系统性红斑狼疮(SLE)患者中的狼疮肾炎(LN)。源站描述指出,肾活检是诊断 LN 的金标准,但属有创检查、不宜作为系列随访工具,因此研究关注血液、尿液及生物体液中的可溶性标志物、自身抗体和肾脏损害的遗传标志物等,探索其诊断和/或预后价值,以及与病理模式和致病机制的关联。数据可用于生物标志物与狼疮肾炎关联研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:狼疮肾炎。狼疮肾炎(LN)是 SLE 患者的主要表现之一,对发病率和死亡率有重要影响。肾活检是诊断 LN 的“金标准”,但它是一种有创技术,并非没有并发症,不建议作为 LN 患者的系列随访工具进行。在 SLE 中寻找生物标志物一直是令人感兴趣的研究课题,尽管结果并不总是具有相关性。多种生物标志物已在不同部位(血液、尿液和生物体液中的可溶性标志物)被研究,性质各异(自身抗体、“肾脏损害”的遗传标志物),着眼于诊断和/或预后特征。近年来,已开发出若干生物标志物,试图寻找与病理模式、致病机制以及非侵入性……的关联。
【主题与分类】
主题标签:Lupus Nephritis。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/NCT04534647
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/NCT04534647
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:狼疮性肾炎。狼疮性肾炎(LN)是SLE患者的主要表现之一,对发病率和死亡率具有重要影响。肾活检是诊断LN的“金标准”,然而,它是一种侵入性技术,并非没有并发症,不建议作为LN患者的随访工具进行连续检查。在SLE中寻找生物标志物一直是令人感兴趣的研究课题,尽管结果并不总是具有相关性。多种生物标志物已在不同部位(血液、尿液和生物体液中的可溶性标志物)进行了研究,性质各异(自身抗体、“肾损伤”的遗传标志物),着眼于诊断和/或预后特征。近年来,已开发出多种生物标志物,旨在寻找与病理模式、致病机制以及不同肾小球病的非侵入性诊断之间的关联,从而能够识别每种类型肾脏疾病中的预后亚组,同时预测治疗反应和/或复发。
迄今为止,双链抗DNA抗体(抗dsDNA)和血清补体是监测狼疮性肾炎(LN)患者肾脏活动性的唯一无创常规生物标志物。然而,这些标志物仅反映疾病的免疫活动性,并非肾脏损伤或不良预后的标志物。基于上述情况,本研究旨在通过病例对照研究,在类似GLADEL队列这样的多民族系统性红斑狼疮(SLE)患者队列中,同时评估血清标志物(ANA、抗dsDNA、抗C1q、抗心磷脂IgG和IgM、抗ß2GPI IgG和IgM、抗磷脂酰丝氨酸/凝血酶原抗体及抗DFS70抗体)和尿液生物标志物,以及抗DFS70抗体的存在情况,并评估其与疾病各种社会人口学、临床和血清学表现的可能相关性。在部分患者亚组中,将利用血液和组织RNA进行转录组研究。
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。




