门诊CAR T治疗中的RPM信号
该数据集来自clinicaltrials.gov,聚焦门诊接受lisocabtagene maraleucel(liso-cel)CAR T细胞治疗的成人血液肿瘤患者,涵盖细胞因子释放综合征、免疫效应细胞相关神经毒性综合征、B细胞淋巴瘤和慢性淋巴细胞白血病

基本信息
资源简介
门诊CAR T治疗中的RPM信号
该数据集来自clinicaltrials.gov,聚焦门诊接受lisocabtagene maraleucel(liso-cel)CAR T细胞治疗的成人血液肿瘤患者,涵盖细胞因子释放综合征、免疫效应细胞相关神经毒性综合征、B细胞淋巴瘤和慢性淋巴细胞白血病。研究通过可穿戴设备在家追踪生命体征与症状,覆盖输注前3天至输注后14天,可用于分析生命体征和监测数据的变化模式及不良反应发生情况(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:细胞因子释放综合征、免疫效应细胞相关神经毒性综合征、B细胞淋巴瘤、慢性淋巴细胞白血病。本观察性研究旨在了解患者在接受门诊CAR T细胞治疗(使用lisocabtagene maraleucel(liso-cel),一种癌症治疗方法)期间生命体征和症状如何变化。研究使用可穿戴监测设备在家追踪生命体征和其他健康数据。研究对象为正在门诊接受liso-cel治疗的成人血液癌症患者,即治疗期间在家而非住院。研究旨在回答的主要问题包括:* 从CAR T细胞输注前3天到输注后14天,患者的生命体征和监测数据呈现什么情况,以及他们经历哪些副作用,例如细胞因子释放综合征(一种发热和炎症反应)和神经系
【主题与分类】
主题标签:Cytokine Release Syndrome、B-Cell Lymphoma、Chronic Lymphocytic Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07882732
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/NCT07882732
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:细胞因子释放综合征、免疫效应细胞相关神经毒性综合征、B细胞淋巴瘤、慢性淋巴细胞白血病。这项观察性研究的目标是了解患者在接受利索卡巴他基因马拉鲁塞(liso-cel,一种癌症治疗方法)门诊CAR-T细胞治疗期间生命体征和症状如何变化。该研究使用可穿戴监测设备在家中追踪生命体征和其他健康数据。研究纳入正在作为门诊患者接受liso-cel治疗的血癌成人患者,即他们在治疗期间居家而非住院。该研究旨在回答的主要问题是:* 从CAR-T细胞输注前3天到输注后14天,患者的生命体征和监测数据呈现何种情况,他们经历哪些副作用,例如细胞因子释放综合征(一种发热和炎症反应)和神经系统副作用?* 患者的个体特征和监测数据与这些副作用有何关系?
参与者将:* 使用Current Health家庭监测套件,包括可穿戴设备(追踪呼吸频率、脉搏、氧饱和度、皮肤温度和步数)、血压袖带、温度贴片、体温计、平板电脑,以及无需家庭互联网即可发送数据的设备。监测在输注前3天开始,持续至输注后14天,住院期间暂停。* 在平板电脑上回答关于其体验的简短问题。* 继续其常规医疗护理和预约。研究团队将从其医疗记录中收集信息,如检测结果、治疗详情以及任何副作用或并发症。参与者作为常规护理的一部分接受CAR T细胞治疗。本研究不测试或改变任何治疗。研究人员仅观察和记录这种居家护理模式期间发生的情况。
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。




