中枢神经系统慢性病毒感染观察性队列研究
该数据集来自clinicaltrials.gov，聚焦以进行性多灶性白质脑病（PML）为代表的中枢神经系统慢性病毒感染。研究团队拟开展真实世界队列研究，评估免疫检查点抑制剂能否改善该患者群体的长期结局
基本信息
资源简介
中枢神经系统慢性病毒感染观察性队列研究
该数据集英文名为 Observational Cohort Study of Chronic Viral Infection in the Central Nervous System，来源于 clinicaltrials.gov，在本站归类于免疫系统疾病 / 其他。其关注对象是以进行性多灶性白质脑病（PML）为代表的中枢神经系统慢性病毒感染，研究团队拟开展真实世界队列研究，评估免疫检查点抑制剂能否改善该患者群体的长期结局。数据集以 PML 与免疫检查点抑制剂为核心主题标签，涉及既往随访患者与新诊断患者两类入组路径，分别进入回顾/前瞻双向队列与前瞻性队列。整体而言，该数据集围绕慢性中枢神经系统病毒感染的观察性队列设计展开，服务于对免疫检查点抑制剂长期疗效的真实世界评价需求。
【数据集背景】
该数据集对应的研究背景集中于中枢神经系统慢性病毒感染，尤其是以进行性多灶性白质脑病（PML）为代表的疾病类型。源站描述中列出的条件包括进行性多灶性白质脑病与免疫检查点抑制剂，研究团队意图开展真实世界队列研究，以评估免疫检查点抑制剂给药是否能够改善该患者群体的长期结局。这一背景决定了数据集的核心主题标签为进行性多灶性白质脑病与免疫检查点抑制剂，也决定了其观察性、队列式的数据组织方式。
【数据内容】
数据集围绕慢性中枢神经系统病毒感染的观察性队列研究组织内容，重点覆盖以 PML 为代表的患者群体。根据源站描述，研究将既往已有随访的患者纳入回顾/前瞻双向队列，将新诊断患者纳入前瞻性队列。数据内容涉及免疫检查点抑制剂给药与患者长期结局之间的关联评价。除上述条件、干预方向与队列类型外，源站未提供更细粒度的变量清单、随访指标或结局定义。
【采集与来源】
该数据集来源于 clinicaltrials.gov。采集方式为观察性队列研究：对既往随访患者采用回顾/前瞻双向队列设计，对新诊断患者采用前瞻性队列设计。源站描述未提供具体的采集时间窗、样本量、研究中心数量或数据提取流程等信息。
【适用场景】
该数据集适用于围绕中枢神经系统慢性病毒感染的真实世界研究场景，尤其是以 PML 为代表的人群中免疫检查点抑制剂长期结局的评价。其队列设计兼顾既往随访患者与新诊断患者，可用于观察性比较与长期结局分析等用途。源站未提供其他具体适用场景的说明。
【使用方法】
源站描述仅说明研究采用回顾/前瞻双向队列与前瞻性队列两种入组路径，未提供具体的数据使用方式、分析方案或操作步骤。相关使用方法源站未提供。
【质量与限制】
该数据集为观察性队列研究，源站描述未提供样本量、随访时长、缺失数据处理、偏倚控制或质量评估等信息。相关质量指标与限制说明源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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/NCT07512518
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：进行性多灶性白质脑病、免疫检查点抑制剂。本研究团队拟开展一项以PML为代表的慢性中枢神经系统病毒感染的现实世界队列研究，评估给予免疫检查点抑制剂是否能改善该患者群体的长期结局。既往有随访记录的患者将纳入回顾性/前瞻性双向队列，新诊断的患者将纳入前瞻性队列。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
