CYP2C19 基因多态性对伏立康唑安全性与疗效的影响
该数据集来自 clinicaltrials.gov,聚焦 CYP2C19 基因多态性对伏立康唑安全性与疗效的影响,属于血液及造血器官疾病领域的药物不良反应主题

基本信息
资源简介
CYP2C19 基因多态性对伏立康唑安全性与疗效的影响
该数据集来自 clinicaltrials.gov,聚焦 CYP2C19 基因多态性对伏立康唑安全性与疗效的影响,属于血液及造血器官疾病领域的药物不良反应主题。伏立康唑是侵袭性曲霉病的一线治疗药物,治疗窗窄、个体间与个体内变异大且呈非线性药代动力学,主要经 CYP2C19 代谢。CYP2C19 遗传变异是导致伏立康唑个体间差异的主要因素,慢代谢者更易发生毒性,超快代谢者则面临治疗失败风险。数据可用于研究基因型与药物安全性、疗效之间的关联,支持个体化给药与治疗药物监测相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:药物不良反应。研究依据:尽管血液恶性肿瘤患者中侵袭性曲霉病(IA)的发病率已下降一半,其死亡率仍具有重要的临床关注意义。伏立康唑是治疗 IA 的一线疗法。由于其治疗窗窄、个体间/个体内变异大以及非线性药代动力学,推荐进行治疗药物监测(TDM)以优化临床结局。伏立康唑主要经 CYP2C19(细胞色素 P450 酶)代谢,较少程度地经 CYP3A4 和 CYP2C9 酶代谢。在各种协变量中,CYP2C19 遗传变异是导致伏立康唑个体间变异的主要决定因素。慢代谢者更易发生毒性,而超快代谢者的治疗失败风险
【主题与分类】
主题标签:Adverse Drug Reactions。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/NCT04547335
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/NCT04547335
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
情况:药物不良反应。研究依据:尽管血液系统恶性肿瘤患者中侵袭性曲霉病(IA)的发病率已下降一半,但其死亡率仍具有重要的临床意义。伏立康唑是治疗IA的一线疗法。由于其治疗窗窄、个体间/个体内变异大及非线性药代动力学特征,推荐进行治疗药物监测(TDM)以优化临床结局。伏立康唑主要经CYP2C19(细胞色素P450酶)代谢,其次经CYP3A4和CYP2C9酶代谢。在各种协变量中,CYP2C19遗传变异性是导致伏立康唑个体间变异的主要决定因素。弱代谢者更易发生毒性反应,而超快代谢者治疗失败的风险被认为更高。TDM可提高伏立康唑治疗的安全性和有效性。TDM的适当时机是在开始标准治疗后的最初几天(2-5天)之后。
然而,在进行TDM之前,可能会发生一些药物不良反应(ADR)以及偏离治疗范围的情况。从药物遗传学指导的剂量开始,可以确保在进行TDM之前获得更安全、更有效的治疗,并减少TDM的频率,降低治疗成本。此外,药物遗传学检测结果还可用于解读经同一酶代谢的其他药物的最佳剂量。个体药物遗传学数据也为未来更安全、更具成本效益的治疗调整提供了可能。因此,本研究的主要目的是确定CYP2C19基因多态性对土耳其一所大学医院研究期间伏立康唑相关ADR发生频率和严重程度的影响。次要目的是确定CYP2C19基因多态性在该环境下对伏立康唑有效性的影响。我们的
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。




