粪便钙卫蛋白预测胃肠道免疫相关不良事件(CF-19):前瞻性研究的Excel数据与补充表
背景:结肠炎是一种常见的免疫相关毒性,目前没有任何生物标志物可以预测其发生。它在内镜下与肠道炎症性疾病相似,而粪便钙卫蛋白(FC)在肠道炎症性疾病中已被用作早期检测复发的生物标志物

基本信息
资源简介
粪便钙卫蛋白预测胃肠道免疫相关不良事件(CF-19):前瞻性研究的Excel数据与补充表
背景:结肠炎是一种常见的免疫相关毒性,目前没有任何生物标志物可以预测其发生。它在内镜下与肠道炎症性疾病相似,而粪便钙卫蛋白(FC)在肠道炎症性疾病中已被用作早期检测复发的生物标志物
Fecal calprotectin as a predictor of gastrointestinal immune-related adverse events (CF-19): A prospective study - Excel data and supplementary tables
【数据内容】
源站描述(机器翻译,仅供参考):背景:结肠炎是一种常见的免疫相关毒性,目前没有任何生物标志物可以预测其发生。它在内镜下与肠道炎症性疾病相似,而粪便钙卫蛋白(FC)在肠道炎症性疾病中已被用作早期检测复发的生物标志物。我们发现关于FC与免疫治疗的相关证据存在矛盾,且尚无前瞻性研究发表。方法:我们开展了一项为期一年的分析性、观察性、前瞻性研究。我们分析了基线FC,随后在每个周期前检测直至第六周期,最后进行季度随访。为评估FC的预测价值,我们估计了基线绝对值及每个周期的ROC曲线下面积,并计算了其相对于基线的相对百分比变化。我们还计划针对不同截断点估计灵敏度、特异度和预测值指数。
【主题与分类】
主题标签:肿瘤、肺癌、免疫相关不良事件、粪便钙卫蛋白、前瞻性研究、生物标志物、结肠炎。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A962bf20601369423cb84a8a7f7563331cdfb7d4b0d380467f27ef6bbda63b812
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:结肠炎是一种常见的免疫相关毒性反应,目前尚无任何生物标志物可预测其发生。其内镜下表现与肠道炎症性疾病相似,而后者使用粪便钙卫蛋白(FC)作为生物标志物以早期发现复发。我们发现关于FC与免疫治疗的相关证据存在矛盾,且尚无前瞻性研究发表。方法:我们开展了一项为期一年的分析性、观察性、前瞻性研究。
我们分析了FCbasal,然后在每个周期之前直至第六个周期,最后进行季度随访。为评估FC的预测价值,我们估算了基线绝对值及每个周期的ROC曲线下面积,并计算了其相对于基线的相对百分比变化。我们还计划针对不同截断点估算敏感性、特异性及预测值指标。由于招募不足,我们在最初估计期结束时进行了初步分析,之后才建议延长该期限。结果:共纳入24例患者(19例男性),诊断为肺癌(n=15)、头颈癌、肾癌、膀胱癌和结直肠癌(各n=2)、黑色素瘤(n=1)。他们接受了抗PD-1/PDL-1单药治疗(n=18)、联合化疗(n=2)或联合抗CTLA4治疗(n=2)。三例患者发生G1结肠炎,两例发生≥G2结肠炎,均接受抗PD1治疗且在第六周期之前发生,与文献描述一致。ROC曲线显示AUC为0.559(CI95%:0.32-0.798),以FC值评估结肠炎的RR为每10个单位1.001(p=0.493)。
结论:尽管我们必须考虑到该研究的局限性,但我们不能得出FC可作为预测免疫介导性结肠炎的指标的结论。
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。




