EBV抗体筛查在高危多发NPC家系中识别鼻咽癌易感个体的临床效用研究
该数据集来自clinicaltrials.gov,聚焦鼻咽癌(NPC)高危多发家系中EBV抗体筛查的临床效用评估。研究纳入2,394名来自台湾地区、家系中至少两名亲属确诊NPC的健康未患病个体,检测VCA IgA、EBNA1 IgA和anti-DNase三种抗EBV抗体

基本信息
资源简介
EBV抗体筛查在高危多发NPC家系中识别鼻咽癌易感个体的临床效用研究
该数据集来自clinicaltrials.gov,聚焦鼻咽癌(NPC)高危多发家系中EBV抗体筛查的临床效用评估。研究纳入2,394名来自台湾地区、家系中至少两名亲属确诊NPC的健康未患病个体,检测VCA IgA、EBNA1 IgA和anti-DNase三种抗EBV抗体。数据可用于分析高危家系中EBV抗体水平与NPC风险的关系,支持鼻咽癌易感个体的识别与风险预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:鼻咽肿瘤。本拟议研究的目的是评估血清EBV抗体检测在识别高危、NPC多发家系中鼻咽癌(NPC)风险增高个体方面的临床效用。作为一项旨在识别与NPC发生相关的遗传因素的持续合作的一部分,已确定并采样了来自台湾地区家系的2,394名未患病个体,这些家系中有两名或以上亲属被诊断为NPC。这些个体的血清已针对三种抗EBV抗体(VCA IgA、EBNA1 IgA和anti-DNase)进行检测,这些抗体在一般人群研究中已知与现患和 incident NPC风险升高相关。对我们研究人群的检测结果表明,来自高危多发家系的表面健康个体其EBV抗体接近3倍升高
【主题与分类】
主题标签:Nasopharyngeal Neoplasms。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00393224
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/NCT00393224
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:鼻咽肿瘤。本拟议研究的目的是评估血清EBV抗体检测在识别高风险鼻咽癌(NPC)多发家系中鼻咽癌风险增高个体的临床实用性。作为一项旨在识别与鼻咽癌发生相关的遗传因素的持续合作研究的一部分,已确定并采集了来自台湾地区的2,394名未患病个体的样本,这些个体所在家系中至少有两名亲属被诊断为鼻咽癌。已对这些个体的血清进行了三种抗EBV抗体(VCA IgA、EBNA1 IgA和抗DNase)检测,已知这些抗体在普通人群研究中与鼻咽癌现患和发病风险升高相关。对我们研究人群的检测结果表明,与普通社区中观察到的相同EBV标志物的EBV抗体阳性率相比,来自高风险多发家系中表面健康的个体其EBV抗体阳性率升高近3倍。然而,这种EBV抗体反应性明显升高的临床意义尚不清楚。
因此,我们建议评估在既往开展的高风险家族研究中EBV抗体水平升高的个体是否具有更高的鼻咽癌(NPC)发病风险。将评估单个标志物(VCA IgA、EBNIA1 IgA和抗DNase抗体)及标志物组合,以确定其在高风险多发家族中作为NPC风险筛查检测的性能。为实现这一目标,我们建议邀请来自我们多发家族研究的2,394名未患病个体参与,该研究定义为具有大于或等于2例NPC的家族。基于我们的招募工作,我们预计约1,600名受试者将接受由专业耳鼻咽喉科医师进行的耳鼻咽喉(ENT)检查,以确定这些个体中是否有人患有隐匿性或症状性NPC。我们将把初次复查时进行的三项EBV抗体筛查检测与
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




