利妥昔单抗治疗毛细胞白血病：多中心回顾性研究
该数据集来自 clinicaltrials.gov，聚焦利妥昔单抗治疗毛细胞白血病的多中心回顾性研究。数据覆盖未经选择的毛细胞白血病患者队列，可用于评估利妥昔单抗的整体疗效，并分析治疗应答、应答持续时间及患者生存的相关因素
基本信息
资源简介
利妥昔单抗治疗毛细胞白血病：多中心回顾性研究
该数据集围绕利妥昔单抗治疗毛细胞白血病的多中心回顾性研究而建立，来源于 clinicaltrials.gov，属于肿瘤领域中白血病方向的数据资源。其核心关注点是未经选择的毛细胞白血病患者队列，研究目的在于评估利妥昔单抗在这一人群中的整体疗效，并进一步识别与治疗应答、应答持续时间以及患者生存相关的因素。数据集以毛细胞白血病为主题标签，所承载的信息可用于理解真实临床环境下利妥昔单抗的应用效果，并为后续疗效比较、预后因素探讨等分析提供基础。整体而言，该数据集面向血液肿瘤临床研究与回顾性分析场景，适合关注毛细胞白血病治疗结局的研究者使用。
【数据集背景】
毛细胞白血病是一种较为少见的血液系统肿瘤，利妥昔单抗在其治疗中的应用效果需要通过多中心、真实世界性质的研究加以评估。该数据集对应的研究为多中心回顾性研究，关注的是未经选择的毛细胞白血病患者队列，而非经过严格筛选的试验人群。研究目标包括评估利妥昔单抗的整体疗效，并识别与治疗应答、应答持续时间及患者生存相关的因素。这一背景决定了数据集在血液肿瘤临床研究中的定位，即以回顾性方式呈现真实诊疗条件下患者的治疗与结局信息。
【数据内容】
数据集的主题标签为毛细胞白血病，覆盖未经选择的毛细胞白血病患者队列。围绕研究目标，数据内容涉及利妥昔单抗治疗的整体疗效评估，以及与治疗应答、应答持续时间和患者生存相关的因素分析。数据集英文名称为“Rituximab in Hairy Cell Leukemia: a Multicenter Retrospective Study”，本站分类归入肿瘤 / 白血病。除上述范围外，具体变量构成、样本量、字段定义等细节源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示，其对应研究关注毛细胞白血病，研究目的为评估利妥昔单抗在未经选择患者队列中的整体疗效，并识别与治疗应答、应答持续时间及患者生存相关的因素。数据采集的具体机构、时间范围、采集流程与随访安排等细节源站未提供。
【适用场景】
该数据集适用于毛细胞白血病相关的临床研究与回顾性分析场景，可用于评估利妥昔单抗在未经选择患者队列中的整体疗效，也可用于探讨与治疗应答、应答持续时间及患者生存相关的因素。其多中心回顾性研究的性质，使其适合用于真实临床条件下治疗结局的观察性分析。其他更为具体的应用方向源站未提供。
【使用方法】
源站未提供具体的使用方法、数据访问方式、字段说明或分析流程。使用者需依据源站 clinicaltrials.gov 的相关说明获取进一步信息。
【质量与限制】
该数据集为多中心回顾性研究，患者队列为未经选择人群，这一设计特点与源站描述一致。关于数据完整性、缺失情况、偏倚控制、样本规模及统计方法等质量相关信息源站未提供。使用时应结合回顾性研究的一般特点加以审慎解读，但该数据集自身的具体质量指标源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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/NCT02883946
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
条件：毛细胞白血病。研究目的为：* 在未经选择的毛细胞白血病患者队列中评估利妥昔单抗的总体疗效 * 在未经选择的毛细胞白血病患者队列中识别与治疗应答、治疗应答持续时间及患者生存相关的因素
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。
