肝硬化对肝癌肝移植的双重影响：中国两中心回顾性队列研究
该数据集来自 clinicaltrials.gov，聚焦肝硬化与肝细胞癌（HCC）肝移植术后复发之间的关联。研究回顾性收集了2015年1月至2020年12月期间在浙江大学医学院附属第一医院和树兰（杭州）医院两个中心接受肝移植的519例HCC患者数据，并基于重要变量分别进行1:3倾向性评分匹配（PSM
基本信息
资源简介
肝硬化对肝癌肝移植的双重影响：中国两中心回顾性队列研究
该数据集围绕肝硬化与肝细胞癌（HCC）患者肝移植术后肿瘤复发之间的关联展开，是一项在中国开展的两中心回顾性队列研究的数据集合。研究纳入2015年1月至2020年12月期间在浙江大学医学院附属第一医院和树兰（杭州）医院接受肝移植的519例HCC患者，并基于重要变量分别进行1:3倾向性评分匹配（PSM），以控制混杂因素后考察肝硬化对移植结局的影响。数据集主题聚焦肿瘤领域的肝癌方向，适合用于探索肝硬化在HCC肝移植术后复发中的作用机制与临床预后研究。
【数据集背景】
肝细胞癌是肝移植的重要适应证之一，而肝硬化作为HCC最常见的背景肝病，其与移植术后肿瘤复发之间的关系尚需进一步厘清。该研究以“肝硬化对肝细胞癌移植的双重影响”为核心问题，旨在探讨肝硬化与HCC患者肝移植术后复发之间的相关性，为临床决策和预后评估提供依据。研究采用两中心回顾性队列设计，通过倾向性评分匹配方法平衡组间重要变量，从而更准确地估计肝硬化因素的影响。
【数据内容】
数据集覆盖的受试对象为2015年1月至2020年12月期间在两中心接受肝移植的519例肝细胞癌患者。研究关注的疾病条件包括肝细胞癌与肝硬化，核心结局指标为肝移植术后HCC复发。为控制混杂，研究基于重要变量分别实施了1:3倾向性评分匹配。除上述信息外，具体变量字段、随访时长、复发判定标准及匹配后样本量等细节，源站未提供。
【采集与来源】
数据来源于clinicaltrials.gov登记的研究，采集方式为回顾性收集，采集地点为浙江大学医学院附属第一医院和树兰（杭州）医院两个中心，采集时间范围为2015年1月至2020年12月。研究设计为两中心回顾性队列研究，数据来自中国。数据集的分类归属为肿瘤/肝癌，主题标签为Hepatocellular Carcinoma与Cirrhosis。
【适用场景】
该数据集适用于肝细胞癌肝移植领域的临床与流行病学研究，例如评估肝硬化对移植术后肿瘤复发风险的影响、构建或验证预后模型、开展倾向性评分匹配方法学应用研究，以及为移植受者筛选与随访策略提供参考。也可用于比较不同中心间HCC移植人群的特征差异研究。
【使用方法】
使用时应以肝移植术后HCC复发作为主要结局，注意研究采用1:3倾向性评分匹配设计，分析时需考虑匹配带来的样本结构变化。由于源站未提供具体变量清单与数据字典，实际使用前需依据源站登记信息确认可用字段与分析方案。
【质量与限制】
该研究为回顾性队列设计，可能存在回顾性数据固有的信息偏倚；数据仅来自中国两家中心，外推性受限。源站未提供样本量以外的统计效能、缺失数据比例、随访完整性及匹配后样本量等信息，相关质量评估无法展开。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT06420791
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：肝细胞癌、肝硬化。背景：本研究旨在探讨肝硬化与肝移植术后肝细胞癌（HCC）复发之间的相关性。方法：本研究回顾性收集了2015年1月至2020年12月期间在两个中心（浙江大学医学院附属第一医院和树兰（杭州）医院）接受肝移植的519例HCC患者的数据，并基于重要变量分别进行了1：3倾向性评分匹配（PSM）。
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。
