接受Nivolumab治疗的经典型霍奇金淋巴瘤患者异基因造血细胞移植安全性数据集
该数据集来源于clinicaltrials.gov，聚焦经典型霍奇金淋巴瘤（CHL）患者在接受Nivolumab治疗后进行异基因造血细胞移植（HCT）的安全性评估
基本信息
资源简介
接受Nivolumab治疗的经典型霍奇金淋巴瘤患者异基因造血细胞移植安全性数据集
该数据集英文名为 Safety of Allogeneic Hematopoietic Cell Transplantation (HCT) For Patients With Classical Hodgkin Lymphoma (CHL) Treated With Nivolumab，来源于 clinicaltrials.gov，本站将其归类于肿瘤 / 淋巴瘤方向。数据集聚焦经典型霍奇金淋巴瘤（CHL）患者在接受 Nivolumab 治疗后进行异基因造血细胞移植（HCT）的安全性评估，相关主题标签为 Lymphoma。源站描述显示，该研究涉及的疾病条件为淋巴瘤，研究方式包含回顾性与前瞻性观察性数据库分析。整体来看，该数据集围绕特定治疗路径下的移植安全性问题组织信息，面向淋巴瘤临床研究与治疗决策场景，为相关安全性观察与分析提供数据基础。
【数据集背景】
经典型霍奇金淋巴瘤（CHL）是一种淋巴系统肿瘤，Nivolumab 治疗与异基因造血细胞移植（HCT）是该数据集关注的治疗背景。数据集标题明确指向“接受 Nivolumab 治疗的经典型霍奇金淋巴瘤患者进行异基因造血细胞移植的安全性”，说明其核心问题在于评估这一治疗序列下移植环节的安全性。源站描述进一步表明，研究条件为淋巴瘤，研究设计为回顾性与前瞻性观察性数据库分析，即通过观察性数据库途径收集和分析相关数据，而非干预性试验设计。本站将其归入肿瘤 / 淋巴瘤分类，主题标签为 Lymphoma，与上述疾病背景一致。
【数据内容】
该数据集的主题标签为 Lymphoma，聚焦经典型霍奇金淋巴瘤（CHL）患者在接受 Nivolumab 治疗后进行异基因造血细胞移植（HCT）的安全性评估。源站描述仅说明研究条件为淋巴瘤，并指出将包含回顾性和前瞻性观察性数据库分析。关于具体变量、字段结构、样本量、随访时长、安全性终点指标等数据内容细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示，该研究将包含回顾性和前瞻性观察性数据库分析，说明数据采集依托观察性数据库分析的方式开展，并同时涉及回顾性与前瞻性两个方向。除来源站与上述研究方式说明外，关于具体采集机构、采集时间范围、数据库名称及数据提取流程等信息，源站未提供。
【适用场景】
基于其主题与来源，该数据集适用于经典型霍奇金淋巴瘤（CHL）治疗相关的研究与分析场景，尤其是围绕 Nivolumab 治疗后接受异基因造血细胞移植（HCT）的安全性评估。其观察性数据库分析的性质，使其可用于回顾性与前瞻性相结合的安全性观察类研究。关于更细化的适用场景、分析模型或临床决策用途，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT03200977
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
Conditions: Lymphoma. This study will include a retrospective and prospective observational database analysis.
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。
