巴基斯坦蒽环类药物诱导心脏毒性前瞻性队列研究
该数据集来自巴基斯坦 Aga Khan University 的前瞻性队列研究,纳入 110 名 1 个月至 16 岁、接受蒽环类药物化疗的儿童肿瘤患者,在基线、1 个月和 1 年进行三次超声心动图评估,用于识别急性(1 个月内)和早发慢性进展性(1 年内)心脏毒性

基本信息
资源简介
巴基斯坦蒽环类药物诱导心脏毒性前瞻性队列研究
Anthracycline induced cardiotoxicity: prospective cohort study from Pakistan.
该数据集来自巴基斯坦 Aga Khan University 的前瞻性队列研究,纳入 110 名 1 个月至 16 岁、接受蒽环类药物化疗的儿童肿瘤患者,在基线、1 个月和 1 年进行三次超声心动图评估,用于识别急性(1 个月内)和早发慢性进展性(1 年内)心脏毒性。数据覆盖儿童白血病等恶性肿瘤化疗后的心脏功能变化,可用于心脏毒性风险预测、超声心动图指标分析及儿童肿瘤心脏病学研究(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):目的:识别巴基斯坦三级医疗中心 16 岁以下儿童恶性肿瘤患者中蒽环类药物诱导的急性(一个月内)和早发慢性进展性(一年内)心脏毒性。设计:前瞻性队列研究。地点:巴基斯坦卡拉奇 Aga Khan University。参与者:110 名儿童(年龄 1 个月至 16 岁)。干预:蒽环类药物(Doxorubicin 和/或 Daunorubicin)。结局测量:2010 年 7 月至 2012 年 6 月期间,所有接受蒽环类药物化疗并完成三次超声心动图评估(基线、一个月和一年)的儿童被前瞻性分析心脏功能障碍。统计分析包括通过重复测量方差分析(r-ANOVA)对基线、1 个月和 1 年的收缩和舒张功能进行分析。结果:平均年龄为 74±44 个月,75 名(68.2%)为男性。
【主题与分类】
主题标签:Heart failure、Leukaemia、Paediatric cardiology、Oncology、Echocardiography、Chemotherapy。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A98d3a37c7e7bab74ab737dac7e90e82283aabcf0300f2c3da97e09c7083ba3be
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
目的:在巴基斯坦三级医疗中心,识别16岁以下儿童恶性肿瘤患者中由蒽环类药物引起的急性(一个月内)和早发性慢性进展性(一年内)心脏毒性。设计:前瞻性队列研究。地点:巴基斯坦卡拉奇阿迦汗大学。参与者:110名儿童(年龄1个月至16岁)。干预:蒽环类药物(多柔比星和/或多柔比星)。结局测量:所有在2010年7月至2012年6月期间接受蒽环类药物化疗并进行三次超声心动图评估(基线、一个月和一年)的儿童,均被前瞻性分析心脏功能障碍。统计分析包括基线、1个月和1年时的收缩和舒张功能,采用重复测量方差分析(r-ANOVA)进行。结果:平均年龄为74±44个月,75名(68.2%)为男性。急性淋巴细胞白血病(ALL)见于70名(64%)患者。仅使用多柔比星者59名(5…
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。




