实体瘤免疫检查点抑制剂单药或联合治疗内分泌免疫相关不良反应风险与发生率的Meta分析数据集

该数据集包含来自69项随机对照试验、涉及42,886名实体瘤患者的临床数据,数据模态主要为临床表格和统计结果,系统评估了免疫检查点抑制剂单药或联合治疗引发内分泌免疫相关不良反应(如甲状腺功能异常、垂体功能减退、肾上腺功能不全等)的风险与发生率,主要用于肿瘤免疫治疗的安全性研究、不良反应流行病学分析和风险因素探索。

heiDATA
2023-01-01 更新
浏览 23
Risk and incidence of endocrine immune related adverse effects under checkpoint inhibitor mono or combination therapy in solid tumors: a meta-analysis of randomized controlled trials [data]

基本信息

创建/更新时间
2023-01-01

资源简介

该数据集是一个医学研究数据集,基于随机对照试验(RCT)的Meta分析,系统评估了实体瘤患者接受免疫检查点抑制剂(ICI)单药或联合治疗时,内分泌免疫相关不良反应(eirAEs)的风险与发生率。数据集包含来自69项RCT、80份独立报告、涉及42,886名患者的数据,具体涵盖甲状腺功能减退、甲状腺功能亢进、垂体炎/垂体功能减退、肾上腺功能不全和胰岛素依赖型糖尿病等eirAEs的发生率与风险比。数据通过PubMed/Medline、Embase和Cochrane Library等数据库检索收集,并采用Stata和Review Manager软件进行统计分析。该数据集主要用于肿瘤免疫治疗安全性研究,特别是内分泌不良反应的流行病学评估和风险因素分析。

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。

暂未开放

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://heidata.uni-heidelberg.de/citation?persistentId=doi:10.11588/data/AWIFGR

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

该数据集是一个医学研究数据集,基于随机对照试验(RCT)的Meta分析,系统评估了实体瘤患者接受免疫检查点抑制剂(ICI)单药或联合治疗时,内分泌免疫相关不良反应(eirAEs)的风险与发生率。数据集包含来自69项RCT、80份独立报告、涉及42,886名患者的数据,具体涵盖甲状腺功能减退、甲状腺功能亢进、垂体炎/垂体功能减退、肾上腺功能不全和胰岛素依赖型糖尿病等eirAEs的发生率与风险比。数据通过PubMed/Medline、Embase和Cochrane Library等数据库检索收集,并采用Stata和Review Manager软件进行统计分析。该数据集主要用于肿瘤免疫治疗安全性研究,特别是内分泌不良反应的流行病学评估和风险因素分析。

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