基于Everolimus的无钙调神经磷酸酶抑制剂免疫抑制方案在肝移植术后一年的研究 (ALTERNATION)
该数据集来自clinicaltrials.gov,收录肝移植术后一年以上(12-36个月)无移植物功能障碍且监测活检无相关亚临床移植物损伤的成人受者(≥18且<80岁)的随机、前瞻性、多中心、开放标签、对照试验数据

基本信息
资源简介
基于Everolimus的无钙调神经磷酸酶抑制剂免疫抑制方案在肝移植术后一年的研究 (ALTERNATION)
该数据集来自clinicaltrials.gov,收录肝移植术后一年以上(12-36个月)无移植物功能障碍且监测活检无相关亚临床移植物损伤的成人受者(≥18且<80岁)的随机、前瞻性、多中心、开放标签、对照试验数据。研究比较肝移植术后第一年两种减量免疫抑制方案,旨在评估以Everolimus为基础的无钙调神经磷酸酶抑制剂免疫抑制方案。数据可用于肝移植免疫抑制方案比较、排斥风险评估及移植物损伤相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肝同种异体移植物、肝疾病、肝移植。随机、前瞻性、多中心、开放标签、对照试验,纳入肝移植术后一年以上(移植后12-36个月)、无移植物功能障碍且监测活检无相关亚临床移植物损伤的肝同种异体移植物受者。试验人群为OLT后第一年以上、符合svLBx条件的成人LTR(研究入组时≥18且<80岁)。本研究旨在比较OLT后第一年两种减量IS方案。因此,排斥风险增加的患者必须通过相关肝酶升高(ALT和ALP > 2 ULN)以及由BANFFmini标准指导的显示相关移植物损伤的svLBx排除。这些阈值已在多项完全撤除IS的研究中安全使用,并且应
【主题与分类】
主题标签:Liver Allograft、Liver Diseases、Liver Transplantation。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07739914
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/NCT07739914
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:同种异体肝移植、肝脏疾病、肝移植。一项随机、前瞻性、多中心、开放标签、对照试验,研究对象为肝移植术后一年以上(肝移植术后12-36个月)、无移植物功能障碍且监测活检未显示相关亚临床移植物损伤的肝同种异体移植物受者。试验人群为OLT术后一年以上、符合svLBx条件的成人LTR(研究入组时≥18岁且<80岁)。本研究旨在比较OLT术后第一年两种减量IS方案。因此,排斥风险增高的患者须通过相关肝酶升高(ALT和ALP > 2 ULN)以及依据BANFFmini标准进行的svLBx显示相关移植物损伤予以排除。这些阈值已在多项完全撤除IS的研究中安全使用,对于拟议研究应当也是安全的,因为该研究旨在适度减少IS而非完全撤除。在我们单中心活检指导的个体化免疫抑制项目中,对接受免疫抑制最小化但未完全撤除的患者,扩展这一严格的BANFFmini标准是安全的。
对于因研究干预(类固醇冲击或更高剂量的CNI)诱发排斥反应后,推定无法耐受IS增加的患者,如老年患者、孕妇或晚期肾衰竭(eGFR < 30 ml/min)、持续感染或恶性肿瘤的患者,也将被排除。我们不会仅因自身免疫性肝病是OLT的原因而排除LTR,因为在我们单中心个性化IS方案中,使用低剂量CNI的减量IS并未在该患者群体中观察到任何增加的排斥风险。存在EVR伤害风险增加的患者,例如已有蛋白尿的患者,也将被排除。已接受EVR/CNI联合治疗的患者筛查可根据参与中心的判断进行。因肾功能减退或反复病毒感染而接受EVR/CNI治疗的LTR
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。




