LTV预防结束时CMV特异性免疫重建对造血干细胞移植受者晚期巨细胞病毒感染的影响 (INMUNOEND)
INMUNOEND 是一项多中心、前瞻性、观察性、非干预性研究，纳入接受异基因造血干细胞移植并在此期间接受 letermovir 预防的 CMV 血清阳性患者
基本信息
资源简介
LTV预防结束时CMV特异性免疫重建对造血干细胞移植受者晚期巨细胞病毒感染的影响 (INMUNOEND)
INMUNOEND 是一项多中心、前瞻性、观察性、非干预性研究，纳入接受异基因造血干细胞移植并在此期间接受 letermovir 预防的 CMV 血清阳性患者。研究关注固定疗程 letermovir 预防结束后 CMV 特异性免疫重建缺失是否与晚期巨细胞病毒感染的发生相关，以期为个体化调整 CMV 预防时长提供依据。数据可用于分析移植后免疫重建与晚期感染风险的关系，支持感染风险预测与预防策略优化（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：巨细胞病毒细胞介导免疫、干细胞移植、造血。巨细胞病毒（CMV）感染是接受造血干细胞移植（SCT）患者的常见并发症。在 SCT 后前 100 天内进行固定疗程的 letermovir（LTV）预防对于预防这种感染是有效且安全的，尽管它可能与 CMV 特异性免疫重建的延迟有关。因此，需要一项研究来评估 LTV 预防结束时 CMV 特异性免疫重建的缺失是否与晚期感染的发生相关。这可能有助于这些患者 CMV 预防时长的个体化。方法与分析：INMUNOEND 是一项多中心、前瞻性、观察性、非干预性研究，纳入接受 allo-SCT 并在期间接受 LTV 预防的 CMV 血清阳性患者
【主题与分类】
主题标签：Cytomegalovirus Cell Mediated Immunity、Stem Cell Transplantation, Hematopoietic。本站分类：血液及造血器官疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06814301
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/NCT06814301
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：巨细胞病毒细胞介导免疫、干细胞移植、造血。巨细胞病毒（CMV）感染是接受造血干细胞移植（SCT）患者的常见并发症。在SCT后最初100天内采用固定疗程的来特莫韦（LTV）预防治疗对于预防该感染有效且安全，尽管它可能与CMV特异性免疫重建延迟有关。因此，需要一项研究来评估LTV预防治疗结束时缺乏CMV特异性免疫重建是否与晚期感染的发生相关。这可能有助于这些患者CMV预防治疗持续时间的个体化。方法与分析：INMUNOEND是一项多中心、前瞻性、观察性、非干预性研究，纳入接受allo-SCT且在接受SCT后最初100天内接受LTV预防治疗的CMV血清阳性患者。免疫学和病毒学监测将持续至SCT后第+200天。主要结局变量是完成LTV预防治疗后至SCT后第+200天发生临床显著CMV感染的患者百分比。
收集的数据将包括：血液病及合并症的基线特征、与SCT相关的变量（即植入、移植物抗宿主病、来特莫韦的使用及CMV复制）以及与CMV特异性免疫重建相关的变量。
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。
