儿童血液病患者侵袭性曲霉病风险下CYP2C19基因分型与伏立康唑暴露的探索性随机先导研究及成本-后果分析数据集
患者按1:1随机接受标准按体重给药（对照组）或基于CYP2C19（1、2、3、17等位基因）基因型的抢先给药（试验组）。主要终点为第5天（±1）达到伏立康唑治疗性谷浓度（Cmin：1.0–5.0 mg/L）的患者比例，分析采用改良意向性治疗
基本信息
资源简介
儿童血液病患者侵袭性曲霉病风险下CYP2C19基因分型与伏立康唑暴露的探索性随机先导研究及成本-后果分析数据集
Pre-emptive CYP2C19 genotyping and voriconazole exposure in pediatric hematology patients at risk of aspergillosis: an exploratory randomized pilot study with a cost-consequence analysis
该数据集来自一项实用性、随机、单盲先导试验（EudraCT: 2019-000376-41；ClinicalTrials.gov: NCT04238884），纳入侵袭性曲霉病高风险的儿童血液病患者。患者按1:1随机接受标准按体重给药（对照组）或基于CYP2C19（1、2、3、17等位基因）基因型的抢先给药（试验组）。主要终点为第5天（±1）达到伏立康唑治疗性谷浓度（Cmin：1.0–5.0 mg/L）的患者比例，分析采用改良意向性治疗。数据可用于研究基因型指导给药与伏立康唑暴露的关系，并支持成本-后果分析（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：这是务实、随机、单盲试验（EudraCT：2019-000376-41；ClinicalTrials.gov：NCT04238884）的数据集，纳入曲霉病高风险的儿童血液病患者。患者按1:1随机分配接受标准按体重给药（对照组）或抢先CYP2C19（1、2、3、17等位基因）基因型指导给药（试验组）。主要终点是第5天（±1）达到伏立康唑治疗性谷浓度（Cmin：1.0–5.0 mg/L）的患者比例。分析采用改良意向性治疗进行。
【主题与分类】
主题标签：Aspergillosis、Cytochrome P-450 CYP2C19、Voriconazole、therapeutic drug monitoring。本站分类：血液及造血器官疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.21306940
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.21306940
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
这是一项实用性、随机、单盲试验（EudraCT：2019-000376-41；ClinicalTrials.gov：NCT04238884）的数据集，纳入的是曲霉病高风险的儿童血液病患者。患者按1：1随机分配，接受标准按体重给药（对照组）或抢先性CYP2C19（*1、*2、*3、*17等位基因）基因型指导给药（试验组）。主要终点是第5天（±1）达到伏立康唑治疗性谷浓度（Cmin：1.0–5.0 mg/L）的患者比例。分析采用改良意向性治疗法进行。
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。
