改善严重先天性贫血患者骨髓移植效果的研究
该数据集来自 clinicaltrials.gov,聚焦于严重先天性贫血患者的骨髓移植研究,涵盖先天性溶血性贫血与 Sickle Cell Disease 两类疾病

基本信息
资源简介
改善严重先天性贫血患者骨髓移植效果的研究
该数据集来自 clinicaltrials.gov,聚焦于严重先天性贫血患者的骨髓移植研究,涵盖先天性溶血性贫血与 Sickle Cell Disease 两类疾病。源站描述涉及非清髓异基因外周血干细胞移植的 I/II 期试验,评估植入、疗效与毒性,并提及混合嵌合与移植物抗宿主病等关键问题。数据可用于分析移植相关并发症风险、植入效果及临床缓解预测等研究场景(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:先天性溶血性贫血、Sickle Cell Disease。非清髓异基因外周血干细胞(PBSC)移植目前正在多个移植中心的 I/II 期试验中接受研究,评估植入、疗效和毒性。初步数据显示完全供者植入率高,且毒性特征相对较低。与非清髓移植相关的移植相关并发症风险降低,扩大了可通过异基因移植治愈的非恶性血液病患者的入选范围;然而,当前方案的显著毒性仍然存在,包括严重移植物抗宿主病(GVHD),导致显著的发病率和死亡率。此外,混合嵌合已被证明足以诱导接受……的非恶性血液病患儿临床缓解。
【主题与分类】
主题标签:Congenital Hemolytic Anemia、Sickle Cell Disease。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00061568
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/NCT00061568
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
适应症:先天性溶血性贫血、镰状细胞病。目前,多个移植中心正在开展I/II期临床试验,评估非清髓性异基因外周血干细胞(PBSC)移植的植入效果、疗效及毒性。初步数据显示,完全供者植入率较高,且毒性相对较低。非清髓性移植相关并发症风险的降低,扩大了适合接受异基因移植治愈的非恶性血液病患者的入选范围;然而,现有方案仍存在显著毒性,包括严重移植物抗宿主病(GVHD),导致显著的发病率和死亡率。此外,研究表明,在接受传统异基因移植的非恶性血液病患儿中,混合嵌合状态足以诱导临床缓解。因此,需要开发更新的方案,使其更适用于无需移植物抗白血病效应、且混合嵌合状态足以改善疾病的非恶性疾病患者。
在本方案中,我们提出对严重β-珠蛋白疾病患者进行移植,包括镰状细胞病(SCD)和β-地中海贫血,这些患者被认为并发症风险高或不适合标准BMT,使用来自HLA相同同胞的同种异体PBSC,采用一种新型免疫抑制方案而不进行清髓处理,以期进一步降低移植相关发病率/死亡率。低强度非清髓性预处理方案将包括低剂量放疗、阿仑单抗(Campath)和西罗莫司(Rapamune),作为一种策略提供充分的免疫抑制,以允许足够的植入以实现临床缓解,同时降低GVHD发生的风险。将使用富含T细胞、供者来源的粒细胞集落刺激因子(非格司亭,G-CSF)动员的PBSC来建立造血和淋巴重建。主要
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。




