针对囊性纤维化合并NTM患者的IV期镓研究(ABATE研究)

该数据集来自clinicaltrials.gov,收录一项针对囊性纤维化成人患者的前瞻性、多中心、开放标签研究,这些患者定植鸟分枝杆菌复合群和/或脓肿分枝杆菌复合群

Chris GossChris Goss
clinicaltrials
浏览 8
其他预测Nontuberculous Mycobacterium Infection
IV Gallium Study for Patients With Cystic Fibrosis Who Have NTM (ABATE Study)

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-14

资源简介

针对囊性纤维化合并NTM患者的IV期镓研究(ABATE研究)

该数据集来自clinicaltrials.gov,收录一项针对囊性纤维化成人患者的前瞻性、多中心、开放标签研究,这些患者定植鸟分枝杆菌复合群和/或脓肿分枝杆菌复合群。研究将参与者纳入两个队列:未接受过NTM治疗的队列和难治性NTM队列。数据可用于分析NTM感染在囊性纤维化人群中的治疗反应、队列特征及研究设计相关因素,支持感染与呼吸系统疾病领域的临床研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:非结核分枝杆菌感染。这是一项在定植鸟分枝杆菌复合群和/或脓肿分枝杆菌复合群的囊性纤维化成人中开展的前瞻性、多中心、开放标签研究。参与者被纳入以下两个队列之一:1. 未接受过NTM治疗的队列:持续NTM培养阳性(鸟分枝杆菌复合群、脓肿分枝杆菌复合群,或鸟分枝杆菌和脓肿分枝杆菌两者)且从未针对当前NTM菌种接受过治疗,或既往治疗与NTM清除相关的参与者。2. 难治性NTM队列:持续NTM培养阳性(鸟分枝杆菌复合群、脓肿分枝杆菌复合群,或鸟分枝杆菌和脓肿分枝杆菌两者)且对12个月基于指南的NTM治疗无应答,或目前正在接受基于指南的抗生素治疗超过12个月的参与者。受试者将接受两次5天

【主题与分类】

主题标签:Nontuberculous Mycobacterium Infection。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04294043

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04294043

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:非结核分枝杆菌感染。这是一项在成人囊性纤维化(CF)患者中开展的前瞻性、多中心、开放标签研究,这些患者定植有鸟分枝杆菌复合群和/或脓肿分枝杆菌复合群。受试者被纳入以下两个队列之一:1. 未治疗过的非结核分枝杆菌(NTM)队列:持续NTM培养阳性(鸟分枝杆菌复合群、脓肿分枝杆菌复合群,或鸟分枝杆菌和脓肿分枝杆菌均阳性),且从未因当前NTM菌种接受过治疗,或既往治疗与NTM清除相关。2. 治疗难治性NTM队列:持续NTM培养阳性(鸟分枝杆菌复合群、脓肿分枝杆菌复合群,或鸟分枝杆菌和脓肿分枝杆菌均阳性),其治疗对12个月的NTM指南为基础的治疗无应答,或目前正在接受指南为基础的抗生素治疗超过12个月。受试者将接受两个为期5天的静脉镓输注周期。该研究将评估两次为期5天的静脉镓输注的安全性和抗分枝杆菌效果。

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。

获取专属数据定制方案