马拉维淋巴瘤患者临床队列
该数据集来自clinicaltrials.gov,为马拉维Kamuzu Central Hospital开展的一项观察性队列注册研究,计划纳入至少800例疑似淋巴瘤患者,建立前瞻性纵向淋巴瘤队列

基本信息
资源简介
马拉维淋巴瘤患者临床队列
该数据集来自clinicaltrials.gov,为马拉维Kamuzu Central Hospital开展的一项观察性队列注册研究,计划纳入至少800例疑似淋巴瘤患者,建立前瞻性纵向淋巴瘤队列。确诊血液系统恶性肿瘤并按当地标准治疗的患者在诊断后2年内接受主动随访以评估临床结局,此后通过电话每6个月随访至诊断后5年以评估生存状态。数据可用于淋巴瘤临床结局预测与纵向队列研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:淋巴瘤、血液系统恶性肿瘤。这是一项在马拉维开展的观察性队列注册研究,纳入至少800例疑似淋巴瘤患者。本研究的主要目的是在Kamuzu Central Hospital(KCH)建立大型前瞻性纵向淋巴瘤队列。确诊血液系统恶性肿瘤并按当地标准治疗的患者将在诊断后2年内接受主动随访以评估临床结局。2年后,如患者状况良好,可根据意愿从门诊出院,并在淋巴瘤诊断后5年内每6个月通过电话联系,仅评估生存状态。希望2年后继续门诊随访的患者将每6个月随访一次,直至淋巴瘤诊断后5年。2年后状况不佳并继续接受积极治疗的患者将继续在门诊随访。
【主题与分类】
主题标签:Lymphoma、Hematologic Malignancies。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02835911
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/NCT02835911
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:淋巴瘤、血液系统恶性肿瘤。这是一项观察性队列登记研究,纳入马拉维至少800例疑似淋巴瘤患者。本研究的主要目的是在卡穆祖中央医院(KCH)建立一个大型前瞻性纵向淋巴瘤队列。确诊为血液系统恶性肿瘤并按当地标准诊疗方案接受治疗的受试者将在确诊后接受为期2年的主动随访,以评估临床结局。2年后,若受试者状况良好,在其愿意的情况下将让其从门诊出院,并在淋巴瘤确诊后5年内每6个月通过电话联系一次,仅用于评估生存状态。希望继续门诊随访的受试者将在确诊后2年至5年期间每6个月就诊一次。2年后状况不佳且继续接受积极治疗的受试者将继续在门诊随访,并记录所有治疗详情。正在实施的所有研究实验室检查和操作均符合国际标准诊疗规范。
即使不实施研究,患者仍可在KCH接受所有相关操作,且该研究并未提供马拉维目前尚不具备的“新”干预措施。然而,由于资源和人员极度匮乏,按国际标准衡量,KCH目前对淋巴瘤患者进行的临床和实验室评估在纵向随访中通常高度不一致且不完整。因此,希望该研究能在KCH淋巴瘤患者的纵向特征描述方面实现更高程度的标准化和统一性,并使所收集的数据既可用于临床目的也可用于研究目的,因为撒哈拉以南非洲地区此类数据匮乏,而这类数据可提供极大的信息价值。
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。




