EBV阳性T/NK细胞淋巴增殖性疾病临床与生物学队列研究
该数据集来自clinicaltrials.gov,聚焦EBV阳性T/NK细胞淋巴增殖性疾病,涵盖结外NK/T细胞淋巴瘤、侵袭性NK细胞白血病、系统性慢性活动性EBV病、EBV阳性结外NK/T细胞淋巴瘤及EBV阳性T/NK细胞淋巴增殖性疾病

基本信息
资源简介
EBV阳性T/NK细胞淋巴增殖性疾病临床与生物学队列研究
该数据集来自clinicaltrials.gov,聚焦EBV阳性T/NK细胞淋巴增殖性疾病,涵盖结外NK/T细胞淋巴瘤、侵袭性NK细胞白血病、系统性慢性活动性EBV病、EBV阳性结外NK/T细胞淋巴瘤及EBV阳性T/NK细胞淋巴增殖性疾病。其中结外NK/T细胞淋巴瘤为核心病种,用于临床结局分析与整合临床-分子预后模型开发。研究包含两个队列,队列A为约500例连续住院的新诊断结外NK/T细胞淋巴瘤患者的回顾性队列。数据可用于疾病异质性研究、预后预测及临床-分子模型构建(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:结外NK/T细胞淋巴瘤、侵袭性NK细胞白血病、系统性慢性活动性EBV病、EBV阳性结外NK/T细胞淋巴瘤、EBV阳性T/NK细胞淋巴增殖性疾病。EBV阳性T/NK细胞淋巴增殖性疾病包括一组异质性疾病谱,它们具有共同的病毒学和免疫生物学特征,但在临床表现、疾病进程、治疗和预后方面差异显著。结外NK/T细胞淋巴瘤是本研究的核心疾病实体,将构成临床结局分析和整合临床-分子预后模型开发的核心人群。该研究包含两个队列。队列A是一个回顾性队列,纳入约500例连续住院的新诊断结外NK/T细胞淋巴瘤患者,诊断时间介于
【主题与分类】
主题标签:Extranodal NK/T-cell Lymphoma、Aggressive NK-Cell Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07727083
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/NCT07727083
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
疾病:结外NK/T细胞淋巴瘤、侵袭性NK细胞白血病、系统性慢性活动性EB病毒病、EB病毒阳性结内T/NK细胞淋巴瘤、EB病毒阳性T/NK细胞淋巴增殖性疾病。EB病毒阳性T/NK细胞淋巴增殖性疾病包括一组异质性疾患,它们具有共同的病毒学和免疫生物学特征,但在临床表现、疾病进程、治疗及预后方面存在显著差异。结外NK/T细胞淋巴瘤是本研究的核心疾病实体,将构成临床结局分析和整合临床-分子预后模型开发的核心人群。本研究包括两个队列。队列A为回顾性队列,纳入约500例连续住院的新诊断结外NK/T细胞淋巴瘤患者,诊断时间为2020年1月1日至2025年12月31日。患者通过病理记录识别,随后进行临床核实并确认生存随访。队列A仅包括临床数据。
队列B是一个前瞻性临床-生物学队列,计划于2026年6月1日至2030年12月31日期间连续入组约1,000例新诊断患者。符合条件的疾病类型包括结外NK/T细胞淋巴瘤、侵袭性NK细胞白血病、T/NK细胞型系统性慢性活动性EB病毒病,以及EB病毒阳性结内T/NK细胞淋巴瘤。结外NK/T细胞淋巴瘤将占队列B的至少80%。治疗由主治医师根据常规临床实践决定,不由研究分配。临床信息包括基线疾病特征、病理学、实验室及影像学检查结果、治疗暴露、疗效评估、不良事件、复发或进展、后续治疗及生存情况。前瞻性参与者在治疗前提供10 mL外周血样本,并计划在完成两个治疗周期后、治疗结束时或首次正式的治疗结束评估时,以及复发或难治性疾病确认时进行额外样本采集。血浆
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。




