急性髓系白血病侵袭性真菌感染院前危险因素
该数据集来自 clinicaltrials.gov,聚焦急性髓系白血病患者发生侵袭性真菌感染的院前危险因素,属于 SEIFEM 2010 流行病学调查

基本信息
资源简介
急性髓系白血病侵袭性真菌感染院前危险因素
该数据集来自 clinicaltrials.gov,聚焦急性髓系白血病患者发生侵袭性真菌感染的院前危险因素,属于 SEIFEM 2010 流行病学调查。源站描述指出,1988-1997 年与 1999-2003 年在意大利开展的两项多中心调查发现,侵袭性真菌感染是接受常规化疗患者发病和死亡的常见原因,尤其是急性髓系白血病患者。已识别的主要影响因素包括患者免疫状态、器官损伤程度(如黏膜炎)以及总体微生物暴露(如定植、环境和既往感染)。数据可用于分析院前风险因素并构建感染风险预测模型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:急性髓系白血病、曲霉病、念珠菌病、真菌病。SEIFEM 2010:关于急性髓系白血病患者发生侵袭性真菌感染可能的院前危险因素的流行病学调查。背景:在意大利于 1988-1997 年和 1999-2003 年开展的两项不同多中心调查中,发现侵袭性真菌感染(IFI)是接受常规化疗患者发病和死亡的常见原因,尤其是患有急性髓系白血病(AML)的患者。总体而言,已被认为影响侵袭性真菌感染可能性的主要因素包括患者的免疫状态、任何器官损伤的程度(例如黏膜炎)以及总体微生物暴露(即定植、环境和既往感染)。自 20 世纪 90 年代以来,不同的风险分层策略已
【主题与分类】
主题标签:Acute Myeloid Leukemia、Aspergillosis、Candidiasis、Mycoses。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01315925
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/NCT01315925
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:急性髓系白血病、曲霉病、念珠菌病、真菌病。SEIFEM 2010:关于急性髓系白血病患者发生侵袭性真菌感染可能的院前风险因素的流行病学调查。背景:在意大利于1988-1997年和1999-2003年进行的两项不同的多中心调查中,发现侵袭性真菌感染(IFIs)是接受常规化疗患者发病和死亡的常见原因,尤其是急性髓系白血病(AML)患者。总体而言,已被认为影响侵袭性真菌感染可能性的主要因素包括患者的免疫状态、任何器官损伤的程度(如黏膜炎)以及总体微生物暴露(即定植、环境和既往感染)。自20世纪90年代以来,已评估了不同的风险分层策略,以识别可能从强化预防和诊断措施中获益的患者。然而,尽管风险特征相似,只有一部分AML患者会发生IFI。
近年来,在理解侵袭性真菌感染(IFIs)流行病学方面最令人振奋的进展之一,是认识到宿主的复杂性以及发现了新的宿主相关危险因素。本研究旨在识别和分析新诊断急性髓系白血病患者发生侵袭性真菌感染的危险因素,尤其关注院前危险因素。目的与目标:* 识别可从抗真菌预防或早期抗真菌治疗(抢先治疗)中获益的高危受试者。* 识别白血病诊断前阶段可能的真菌感染来源,特别是与日常生活正常活动相关的来源(例如职业、居住地点和类型、烟草、酒精或违禁药物消费等)。* 分析医院相关的真菌感染来源,从已知的易感因素(即持续时间
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。




