成人间活体供肝移植队列研究
该数据集来自 clinicaltrials.gov，聚焦成人间活体供肝移植（LDLT）相关人群，覆盖肝脏疾病、肝细胞癌、终末期肝病、丙型肝炎与肝硬化等病种
基本信息
资源简介
成人间活体供肝移植队列研究
该数据集来自 clinicaltrials.gov，聚焦成人间活体供肝移植（LDLT）相关人群，覆盖肝脏疾病、肝细胞癌、终末期肝病、丙型肝炎与肝硬化等病种。源站描述显示，研究在识别潜在活体肝供者时邀请等待移植的患者入组，同时邀请供者入组，并纳入已参与过供肝或移植的供者与受者。数据可用于围绕活体供肝移植的临床特征与结局开展分析，但源站未提供具体样本量、变量字段与随访时长等信息（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病条件：肝脏疾病、肝细胞癌、终末期肝病、丙型肝炎、肝硬化。成人间活体供肝移植（LDLT）手术是一种非凡的外科治疗，涉及切除成年供者肝脏70%的体积质量并将其植入成年受者体内。尸体供肝的严重短缺导致需要肝移植的候选者过早死亡，这仍然是推动成人间LDLT需求的最主要力量。等待活体供肝移植的患者将在识别到潜在活体肝供者时被要求加入本方案。被确定进行活体捐献的供者也将被要求加入本方案。已经参与过肝脏捐献/移植的供者和受者将被联系加入
【主题与分类】
主题标签：Liver Diseases、Hepatocellular Cancer、End Stage Liver Disease、Hepatitis C、Liver Cirrhosis。本站分类：肿瘤/肝癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01619475
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/NCT01619475
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：肝病、肝细胞癌、终末期肝病、丙型肝炎、肝硬化。成人间活体肝移植（LDLT）手术是一种非凡的外科治疗方法，涉及切除成年供体肝脏70%的体积质量，并将其植入成年受者体内。尸体供肝严重短缺，导致需要肝移植的候选者过早死亡，这仍然是推动成人间活体肝移植需求的最强大动力。等待活体肝移植的患者将在确定潜在活体肝供体时被要求加入本方案。被确定为活体供肝的供体也将被要求加入本方案。已经参与肝脏捐献/移植的供体和受者将根据其临床病史被邀请加入本方案。优化供体健康相关生活质量是肝移植项目的首要目标，也是本研究的总体目标。
拟议的A2ALL-2健康相关生活质量（HRQOL）子研究将建立在迄今为止所采用的A2ALL HRQOL测量方法之上。我们亟需关注肝脏捐献者不仅在捐献后早期、而且在长期随访中所面临的重要困难。已加入研究并计划捐献部分肝脏的个体将完成一套HRQOL测试，由西北大学或匹兹堡大学经验丰富的工作人员通过电话进行。这些测试是一系列问题，在即将捐献者的基线（肝脏捐献前）、第3个月、第6个月、第1年和第2年进行。新捐献者将最多完成5次由调查研究团队进行的访谈。已经捐献过的个体（长期捐献者）且距捐献已满三年者可被纳入，但他们必须在2002年或之后捐献。长期随访捐献者将最多完成4次由调查
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。
