索非布韦/达拉他韦联合或不联合利巴韦林治疗基因4型丙肝患者新发或复发肝细胞癌数据集
该数据集来自 search.dataone.org，聚焦基因4型慢性丙型肝炎患者在接受索非布韦/达拉他韦联合或不联合利巴韦林治疗后新发或复发肝细胞癌（HCC）的情况
基本信息
资源简介
索非布韦/达拉他韦联合或不联合利巴韦林治疗基因4型丙肝患者新发或复发肝细胞癌数据集
New incidence or recurrence hepatocellular carcinoma (HCC) in genotype 4 hepatitis C virus treated with sofosbuvir/daclatasvir with or without ribavirin
该数据集来自 search.dataone.org，聚焦基因4型慢性丙型肝炎患者在接受索非布韦/达拉他韦联合或不联合利巴韦林治疗后新发或复发肝细胞癌（HCC）的情况。研究为在埃及开罗国家肝病与热带医学研究所开展的前瞻性观察研究，纳入150例慢性丙型肝炎患者，按实验室指标分组治疗，主要结局为HCC发生。数据可用于分析直接抗病毒药物治疗后HCC发生风险及持续病毒学应答相关因素（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：多项研究关于接受直接抗病毒药物（DAA）治疗的丙型肝炎患者中肝细胞癌（HCC）复发或新发情况的数据存在争议。目的：本观察性研究旨在评估获得持续病毒学应答（SVR）的患者中HCC的发生率。方法：在埃及开罗的国家肝病与热带医学研究所（NHTMRI）开展了一项为期六个月的前瞻性研究，纳入150例接受索非布韦和达拉他韦联合或不联合利巴韦林治疗的慢性丙型肝炎（CHC）患者。根据实验室检查值将患者分为两组，分别接受索非布韦/达拉他韦联合利巴韦林（S/D/R）或仅接受索非布韦/达拉他韦（S/D）治疗。主要结局指标为HCC的发生。结果：SVR-12为100%。8.5%的患者发生
【主题与分类】
主题标签：Sofosbuvir、direct-acting antivirals、chronic hepatitis C、Hepatocellular carcinoma、Hepatitis C virus。本站分类：肿瘤/肝癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A81a700900b7535b8ff9057d658dd651f76c9fc98158853e8432cc78ef003fe3a
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景：多项研究就接受直接抗病毒药物（DAAs）治疗的丙型肝炎患者中肝细胞癌（HCC）的复发或新发情况得出了存在争议的数据。目的：本观察性研究旨在评估获得持续病毒学应答（SVR）的患者中HCC的发生率。方法：在埃及开罗的国家肝病与热带医学研究所（NHTMRI）开展了一项为期六个月的前瞻性研究，纳入150例接受索磷布韦和达拉他韦联合或不联合利巴韦林治疗的慢性丙型肝炎（CHC）患者。根据实验室检查值将患者分为两组，分别接受索磷布韦/达拉他韦联合利巴韦林（S/D/R）或仅接受索磷布韦/达拉他韦（S/D）治疗。主要结局指标为HCC的发生。结果：SVR-12为100%。S/D/R组有8.5%的患者发生HCC，而S/D组为0%。结论：新发或复发……
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。
