CD4和CD8+T细胞抗巨细胞病毒或抗腺病毒注射
该数据集来自clinicaltrials.gov,聚焦于异基因造血干细胞移植后巨细胞病毒(CMV)或腺病毒感染的治疗。传统抗病毒治疗有时疗效不足且毒性显著,而过继免疫治疗在过去十年中显示出疗效,但组织和技术障碍限制了其广泛应用

基本信息
资源简介
CD4和CD8+T细胞抗巨细胞病毒或抗腺病毒注射
该数据集来自clinicaltrials.gov,聚焦于异基因造血干细胞移植后巨细胞病毒(CMV)或腺病毒感染的治疗。传统抗病毒治疗有时疗效不足且毒性显著,而过继免疫治疗在过去十年中显示出疗效,但组织和技术障碍限制了其广泛应用。本方案旨在评估注射供者来源的、特异性针对CMV或腺病毒的CD4+和CD8+T细胞,对接受异基因移植且感染上述病毒、且常规抗病毒治疗失败患者的疗效。数据可用于感染性疾病治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:巨细胞病毒感染、腺病毒感染。巨细胞病毒(CMV)和腺病毒感染是异基因造血干细胞移植(HSC)后发病和死亡的主要原因。传统抗病毒治疗有时疗效不足且具有显著的潜在毒性。在过去十年中,过继免疫治疗已证明其在此背景下治疗病毒感染的有效性。已使用不同方法,但组织和技术障碍阻碍了这种治疗方法的广泛应用。本方案旨在评估通过注射供者CD4+和CD8+T细胞(特异性针对巨细胞病毒或腺病毒)治疗接受异基因移植且感染这两种病毒之一、且常规抗病毒治疗失败的患者的疗效。供者
【主题与分类】
主题标签:Cytomegalovirus Infections、Adenovirus Infections。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01325636
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/NCT01325636
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:巨细胞病毒感染、腺病毒感染。巨细胞病毒(CMV)和腺病毒感染是异基因造血干细胞移植(HSC)后发病和死亡的主要原因。传统抗病毒治疗有时疗效不足且具有显著的潜在毒性。在过去十年中,过继免疫疗法已证明在此背景下治疗病毒感染的有效性。已使用了不同的方法,但组织和技术障碍阻碍了这种治疗方法的广泛应用。本方案旨在评估通过注射供者特异性针对巨细胞病毒或腺病毒的CD4+和CD8+T细胞,治疗接受异基因移植且感染这两种病毒之一、且传统抗病毒治疗失败的患者的效果。供者记忆T细胞将通过单核细胞采集术获得,并基于其在病毒肽刺激后产生干扰素-γ(IFN-g)的能力进行筛选。
该方法的速度(48小时)和可重复性使其相比先前开发的技术有望具有更好的临床适用性。鉴于这两种病毒在同种异体造血干细胞移植后的流行病学不同,且腺病毒感染患者的预期数量相对较低,统计分析将仅集中于因CMV感染而接受T细胞治疗的患者。对腺病毒过继性免疫治疗的有效性和耐受性研究将作为次要目的。这是一项多中心非比较性I/II期方案,预计纳入30例患者,其中25例为CMV感染患者,以证明55%的有效性,最低要求有效性为30%,α风险为10%,把握度为90%。本研究的主要目的是评估该治疗在首次注射后21天对CMV病毒复制水平的有效性。一项阳性反
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。




