接受CAR-T治疗患者的感染研究
该数据集来自clinicaltrials.gov,为单中心观察性研究,覆盖复发/难治性多发性骨髓瘤及B细胞非霍奇金淋巴瘤成人患者,这些患者在IRCCS Azienda Ospedaliero-Universitaria di Bologna接受或将要接受CAR-T细胞治疗

基本信息
资源简介
接受CAR-T治疗患者的感染研究
该数据集来自clinicaltrials.gov,为单中心观察性研究,覆盖复发/难治性多发性骨髓瘤及B细胞非霍奇金淋巴瘤成人患者,这些患者在IRCCS Azienda Ospedaliero-Universitaria di Bologna接受或将要接受CAR-T细胞治疗。研究旨在评估CAR-T输注后12个月内感染的发生频率,并描述其主要特征与危险因素,纳入2019年以来的回顾性队列及研究批准后一年内新入组的前瞻性队列,输注后随访一年。数据可用于分析感染风险相关因素及抗感染策略的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发多发性骨髓瘤、难治性多发性骨髓瘤、B细胞非霍奇金淋巴瘤、血流感染、CAR-T细胞治疗。这是一项单中心观察性研究,涉及在IRCCS Azienda Ospedaliero-Universitaria di Bologna接受/将接受CAR-T细胞治疗的复发/难治性多发性骨髓瘤或B细胞非霍奇金淋巴瘤成人患者。该研究旨在评估CAR-T输注后最初12个月内感染的发生频率,并描述其主要特征和危险因素。将纳入自2019年以来接受治疗的患者(回顾性队列)以及研究批准后一年内新入组的患者(前瞻性队列),输注后随访一年。该研究将调查与感染风险相关的因素、预防性和治疗性抗感染策略的影响、分布
【主题与分类】
主题标签:Relapsed Multiple Myeloma、Refractory Multiple Myeloma、B-Cell Non-Hodgkin Lymphoma、Bloodstream Infections、CAR-T Cell Therapy。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07713511
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/NCT07713511
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:复发性多发性骨髓瘤、难治性多发性骨髓瘤、B细胞非霍奇金淋巴瘤、血流感染、CAR-T细胞治疗。这是一项单中心观察性研究,纳入在IRCCS Azienda Ospedaliero-Universitaria di Bologna接受/将接受CAR-T细胞治疗的复发性/难治性多发性骨髓瘤或B细胞非霍奇金淋巴瘤成年患者。该研究旨在评估CAR-T输注后前12个月内感染的发生频率,并描述其主要特征和危险因素。研究将纳入自2019年以来接受治疗的患者(回顾性队列)以及研究批准后一年内新入组的患者(前瞻性队列),并对输注后随访一年。该研究将探讨与感染风险相关的因素、预防性和治疗性抗感染策略的影响、感染相关发热与细胞因子释放综合征(CRS)的区分、出院后感染以及CAR-T治疗后的免疫恢复。
在前瞻性队列中,CAR-T输注后出现首次发热发作的患者还将接受一种经过验证的快速分子血液检测(PilotGene ddPCR Blood System),同时进行标准血培养,以提高血流感染诊断的速度。该检测已在临床实践中使用,将作为补充诊断工具,不改变标准患者管理。预计纳入约290例患者,其中大多数为淋巴瘤患者。
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。




