基本信息

模态

表格

创建/更新时间

2026-10-20

资源简介

R/R DLBCL 系统治疗的观察性回顾性队列研究

该数据集对应的是一项针对复发或难治性弥漫大B细胞淋巴瘤（R/R DLBCL）的观察性回顾性队列研究，收录于 clinicaltrials.gov，并在本站归入肿瘤 / 淋巴瘤分类。其核心目标在于构建一个历史对照队列，由接受当前指南推荐疗法的 R/R DLBCL 患者组成，从而为相关治疗方案的评估提供参照基础。数据集以弥漫大B细胞淋巴瘤为主题标签，整体定位清晰，聚焦于真实临床情境下复发或难治患者的治疗结局回顾，适合作为血液肿瘤领域观察性研究的参考资料。

【数据集背景】

弥漫大B细胞淋巴瘤是淋巴瘤中的重要类型，部分患者会进入复发或难治阶段，此时治疗选择与预后评估尤为关键。该数据集所依托的研究采用观察性回顾性队列设计，旨在汇集接受当前指南推荐疗法的 R/R DLBCL 患者，形成历史对照。这一设计思路有助于在缺乏前瞻性对照的情况下，为后续治疗方案的比较提供历史参照。研究来源为 clinicaltrials.gov，说明其登记信息可在该平台查询。

【数据内容】

数据集主题标签为 Diffuse Large B Cell Lymphoma，对应疾病条件为弥漫大B细胞淋巴瘤。源站描述明确指出，该研究的目标是生成一个由接受当前指南推荐疗法的 R/R DLBCL 患者组成的历史对照。关于具体的变量字段、样本量、患者人口学特征、治疗方案明细及结局指标等，源站未提供。

【采集与来源】

该数据集来源于 clinicaltrials.gov。研究类型为观察性回顾性队列研究，即通过回顾既有临床资料的方式组织患者队列，而非前瞻性干预。源站描述中提及的条件为 Diffuse Large B Cell Lymphoma，研究目的为构建历史对照。关于具体的采集机构、采集时间范围、数据提取流程及质量控制措施，源站未提供。

【适用场景】

基于其研究设计与主题，该数据集可用于了解 R/R DLBCL 患者接受指南推荐疗法后的历史对照构建思路，适合作为血液肿瘤观察性研究的方法学参考，也可为相关治疗领域的背景梳理提供线索。关于具体的分析用途、统计方法和应用验证结果，源站未提供。

【使用方法】

源站未提供具体的使用方法、数据访问方式或分析操作说明。

【质量与限制】

该研究为观察性回顾性队列设计，其固有特点在于依赖历史资料，可能存在回顾性研究常见的偏倚与信息完整性问题。关于样本量、缺失数据比例、随访时长及偏倚控制措施等具体质量指标，源站未提供。

【引用与许可】

源站未提供引用格式与许可信息。

原始链接

https://clinicaltrials.gov/study/NCT04697160

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/NCT04697160

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。

数据说明

Conditions: Diffuse Large B Cell Lymphoma. This retrospective observational cohort study aims to generate a historical control consisting of R/R DLBCL patients who received currently guideline recommended therapies.

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