接受辅助免疫检查点抑制剂治疗的慢性黑色素瘤幸存者的免疫相关毒性与症状负担数据集
该数据集来自clinicaltrials.gov,聚焦接受辅助免疫检查点抑制剂治疗的III期及IV期黑色素瘤慢性幸存者,覆盖从治疗开始至24个月随访的免疫相关不良事件详细临床特征(发生时间、严重程度、表型),并纵向采集患者报告结局以评估疲劳、抑郁、睡眠障碍等症状负担及生活质量,同时与选择主动监测的同

基本信息
资源简介
接受辅助免疫检查点抑制剂治疗的慢性黑色素瘤幸存者的免疫相关毒性与症状负担数据集
该数据集来自clinicaltrials.gov,聚焦接受辅助免疫检查点抑制剂治疗的III期及IV期黑色素瘤慢性幸存者,覆盖从治疗开始至24个月随访的免疫相关不良事件详细临床特征(发生时间、严重程度、表型),并纵向采集患者报告结局以评估疲劳、抑郁、睡眠障碍等症状负担及生活质量,同时与选择主动监测的同期患者进行比较。数据可用于免疫相关毒性预测、症状负担纵向分析及患者报告结局相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:临床III期皮肤黑色素瘤AJCC v8、病理III期皮肤黑色素瘤AJCC v8、病理IIIA期皮肤黑色素瘤AJCC v8、病理IIIB期皮肤黑色素瘤AJCC v8、病理IIIC期皮肤黑色素瘤AJCC v8、病理IIID期皮肤黑色素瘤AJCC v8、黑色素瘤II期、黑色素瘤IV期。主要目标:I. 确定接受辅助检查点抑制剂(CPI)治疗的黑色素瘤慢性幸存者从治疗开始至24个月随访期间免疫相关不良事件(irAEs)的详细临床特征,包括发生时间、严重程度和表型。II. 纵向评估这些患者报告结局(PROs),测量症状负担(如疲劳、抑郁、睡眠障碍)和生活质量(QOL),并与选择主动监测的相似疾病分期患者进行比较。SECO
【主题与分类】
主题标签:Melanoma, Stage II、Melanoma Stage IV。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04990726
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/NCT04990726
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:临床III期皮肤黑色素瘤AJCC第8版,病理III期皮肤黑色素瘤AJCC第8版,病理IIIA期皮肤黑色素瘤AJCC第8版,病理IIIB期皮肤黑色素瘤AJCC第8版,病理IIIC期皮肤黑色素瘤AJCC第8版,病理IIID期皮肤黑色素瘤AJCC第8版,黑色素瘤II期,黑色素瘤IV期。主要目标:I. 确定黑色素瘤长期生存者从开始辅助检查点抑制剂(CPI)治疗至24个月随访期间的免疫相关不良事件(irAEs)的详细临床特征,包括发生时间、严重程度和表型。II. 纵向评估这些患者报告结局(PROs),测量症状负担(如疲劳、抑郁、睡眠障碍)和生活质量(QOL),并与选择主动监测的相似疾病分期患者进行比较。次要目标:I.
纵向评估外周血样本中免疫分析(免疫细胞和细胞因子)的变化与这些患者irAEs的发生时间、严重程度和表型、症状负担及QOL的相关性,并与选择主动监测的相似疾病分期患者进行比较。II. 确定特定免疫相关基因多态性是否与接受辅助CPI治疗的黑色素瘤患者irAEs的发生及症状负担相关。大纲:患者在基线、1个月(可选)、3、6、12、18和24个月时接受医学评估和血样采集,并完成问卷。
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。




