儿童重度贫血或重度疟疾出院后预防疟疾的单克隆抗体研究
该数据集来自 clinicaltrials.gov,聚焦因重度贫血或重度疟疾住院的儿童出院后预防疟疾的干预研究。背景显示,出院后至少6个月内,这些儿童仍面临较高的死亡或再入院风险,疟疾是再入院和死亡的重要诱因

基本信息
资源简介
儿童重度贫血或重度疟疾出院后预防疟疾的单克隆抗体研究
该数据集来自 clinicaltrials.gov,聚焦因重度贫血或重度疟疾住院的儿童出院后预防疟疾的干预研究。背景显示,出院后至少6个月内,这些儿童仍面临较高的死亡或再入院风险,疟疾是再入院和死亡的重要诱因。2022年WHO推荐对疟疾流行区因重度贫血住院的儿童开展出院后疟疾化学预防(PDMC),肯尼亚等国计划将推荐扩展至重度疟疾(如脑型疟疾)但无重度贫血的儿童。数据可用于评估单克隆抗体在出院后预防疟疾的效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:疟疾、重度疟疾、重度贫血、出院后。背景与理由:因重度贫血住院的儿童在出院后至少6个月内仍面临较高的死亡或再入院风险。在疟疾高度流行地区,疟疾是这些出院后再入院和死亡的主要诱因。2022年,世界卫生组织(WHO)推荐对居住在疟疾流行区、因重度贫血住院的儿童开展出院后疟疾化学预防(PDMC)。肯尼亚与撒哈拉以南非洲其他几个国家一道,旨在扩大WHO的推荐,将PDMC引入因重度贫血或重度疟疾住院的儿童,包括无重度贫血的重度疟疾儿童(如脑型疟疾)。PDMC包括给予长效抗疟药完整3天疗程,给药时间……
【主题与分类】
主题标签:Malaria、Severe Malaria、Severe Anaemia、Post Discharge。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/NCT07082205
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/NCT07082205
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
疾病条件:疟疾、重症疟疾、重度贫血、出院后。背景与依据:因重度贫血住院的儿童在出院后至少6个月内仍面临较高的死亡或再入院风险。在疟疾高度流行地区,疟疾是导致这些出院后再入院和死亡的主要因素。2022年,世界卫生组织(WHO)建议对居住在疟疾流行地区因重度贫血住院的儿童实施出院后疟疾化学预防(PDMC)。肯尼亚与撒哈拉以南非洲的其他几个国家一道,旨在扩大WHO的建议范围,对因重度贫血或重症疟疾住院的儿童引入PDMC,包括未合并重度贫血的重症疟疾患儿(如脑型疟疾)。PDMC由出院后每月三次、每次为期3天的长效抗疟药全疗程治疗组成。PDMC在临床试验中非常有效。然而,在现实条件下,对这些每月3天药物治疗方案的依从性有限。
此外,PDMC仅提供约3.5个月的化学预防,而死亡或需要再入院的风险在随后数月内仍居高不下。美国国立卫生研究院(NIH)已开发出两种靶向恶性疟原虫疟疾的单克隆抗体(mMAb)。这些蛋白特异性靶向恶性疟原虫环子孢子蛋白-1(CSP-1)上高度保守的表位,从而将其中和并预防疟疾感染。mMAb的一个关键特性是单次给药即可提供长达6个月的保护,因此可作为一种“长效”药物。近期在马里健康成人中开展的安慰剂对照研究表明,首个mMAb——CIS43LS,以40 mg/kg静脉注射(IV)给药时,可在至少6个月内阻断88%的疟疾感染。更近期,对一种名为L9LS的新型mMAb(预计比CIS43LS效力更强)的研究显示,6个月内非复杂性临床疟疾减少了74%。
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。




