监测药物的免疫毒性

该数据集来自 clinicaltrials.gov,聚焦药物免疫毒性监测,覆盖关节炎、系统性红斑狼疮、类风湿关节炎、毛细血管渗漏综合征及肝炎等疾病

Groupe Hospitalier Pitie-SalpetriereGroupe Hospitalier Pitie-Salpetriere
clinicaltrials
浏览 10
表格ArthritisSystemic Lupus ErythematosusRheumatoid ArthritisCapillary Leak SyndromeHepatitis
Monitoring the IMmUological TOXicity of Drugs

基本信息

模态
表格
创建/更新时间
2026-10-20

资源简介

监测药物的免疫毒性

该数据集来自 clinicaltrials.gov,聚焦药物免疫毒性监测,覆盖关节炎、系统性红斑狼疮、类风湿关节炎、毛细血管渗漏综合征及肝炎等疾病。研究旨在描述因药物或化疗引起的罕见免疫学副作用患者的主要特征,并依据 WHO-UMC 标准系统评估因果关系。数据可用于分析药物相关免疫不良事件的特征与因果关联,支持药物安全性与临床研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:关节炎、系统性红斑狼疮、类风湿关节炎、毛细血管渗漏综合征、肝炎。若干药物和化疗似乎对免疫系统有影响,并导致多种罕见的免疫学副作用。由于药典的修改以及若干此类不良事件近期才被认识,这些副作用描述不足。本研究调查因药物所致罕见免疫学副作用(包括系统性狼疮、免疫性关节炎、类风湿关节炎、肝炎、毛细血管渗漏综合征)患者的主要特征。系统应用依据 WHO-UMC(世界卫生组织-乌普萨拉监测中心)的因果关系评估。

【主题与分类】

主题标签:Arthritis、Systemic Lupus Erythematosus、Rheumatoid Arthritis、Capillary Leak Syndrome、Hepatitis。本站分类:肌肉骨骼系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03480529

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT03480529

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:关节炎、系统性红斑狼疮、类风湿关节炎、毛细血管渗漏综合征、肝炎。多种药物和化疗似乎对免疫系统产生影响,并导致多种罕见的免疫学副作用。由于药典的修改以及对若干此类不良事件的近期认识,这些副作用的描述尚不充分。本研究调查了因药物所致罕见免疫学副作用(包括系统性狼疮、免疫性关节炎、类风湿关节炎、肝炎、毛细血管渗漏综合征)患者的 주요特征。系统性地应用了根据WHO-UMC(世界卫生组织-乌普萨拉监测中心)的因果关系评估。

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。

获取专属数据定制方案