狼疮妊娠队列:国际狼疮妊娠前瞻性队列
该数据集来自clinicaltrials.gov,为国际前瞻性狼疮妊娠队列,聚焦系统性红斑狼疮(SLE)女性在妊娠期间及产后的母婴结局

基本信息
资源简介
狼疮妊娠队列:国际狼疮妊娠前瞻性队列
该数据集来自clinicaltrials.gov,为国际前瞻性狼疮妊娠队列,聚焦系统性红斑狼疮(SLE)女性在妊娠期间及产后的母婴结局。SLE好发于育龄女性,妊娠期母婴并发症风险高,早产、子痫前期和胎儿丢失发生率显著高于未患病孕妇。数据集可用于识别SLE不良妊娠结局(APO)的预测因素,辅助患者咨询与孕期监测;源站描述提及既往PROMISSE研究存在选择人群的局限,本队列旨在覆盖更广泛的SLE妊娠人群(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:系统性红斑狼疮、妊娠并发症。系统性红斑狼疮(SLE)主要影响育龄期女性。由于SLE与妊娠期间及之后显著的母亲和胎儿疾病负担相关,识别SLE不良妊娠结局(APO)的预测因素对于恰当地为患者提供咨询和指导孕期监测至关重要。与未患病女性的妊娠相比,SLE妊娠导致更高的早产、子痫前期和胎儿丢失率。作为解决该问题的先前努力,团队成员开展了一项大型前瞻性研究(PROMISSE研究),以确定疾病活动度为不活动和轻度/中度的SLE女性中APO的基线预测因素。然而,PROMISSE纳入的是经过选择的人群,可能不能代表所有SLE女性,尤其是那些疾病活动度严重的女性。
【主题与分类】
主题标签:Systemic Lupus Erythematosus、Pregnancy Complications。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03746028
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/NCT03746028
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:系统性红斑狼疮、妊娠并发症。系统性红斑狼疮(SLE)主要影响育龄期女性。由于SLE与妊娠期间及产后显著的胎儿和母体发病率相关,识别SLE中不良妊娠结局(APO)的预测因素对于恰当地为患者提供咨询和指导妊娠期监测至关重要。与未患病女性的妊娠相比,SLE妊娠导致早产、子痫前期和胎儿丢失的发生率较高。作为解决这一问题的先前努力,团队成员开展了一项大型前瞻性研究(PROMISSE研究),以确定疾病活动性为无活动及轻/中度的SLE女性中APO的基线预测因素。然而,PROMISSE纳入的是经过选择的人群,可能不能代表所有SLE女性,尤其是那些疾病活动严重和/或活动性肾炎的患者。此外,新数据表明抗磷脂酰丝氨酸/凝血酶原抗体(aPS/PT)——即抗磷脂抗体(aPL)——与APO密切相关。
这些抗体尚未在PROMISSE研究或迄今为止任何其他SLE妊娠研究中得到评估。此外,尽管有证据表明阿司匹林(ASA)对非SLE高危APO女性具有有益作用,但目前尚无针对SLE妊娠的ASA研究。这是一个关键的知识空白,因为ASA可能对SLE母亲及其后代带来很大益处。目标是评估不良妊娠结局(APO)、其预测因素及潜在预防疗法。研究者旨在改善SLE女性及其后代的结局。本研究的主要结局是确定该队列中APO的风险,以及评估LEGACY队列中ASA的使用模式。次要结局将进行初步分析,以评估PROMISSE研究中确定的APO基线预测因素(即狼疮抗凝物(LAC)阳性、抗高血压药物使用、血小板水平、种族/民族、既往肾炎、疾病活
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。




