突破性CMV肺移植多中心研究
该数据集来自clinicaltrials.gov,聚焦肺移植受者中巨细胞病毒(CMV)突破性感染的多中心研究。研究对象为CMV错配并接受ganciclovir/valganciclovir预防的肺移植患者,旨在了解突破性CMV DNAemia的发生率、抗病毒预防相关不良反应(如白细胞减少和中性粒细胞

基本信息
资源简介
突破性CMV肺移植多中心研究
该数据集来自clinicaltrials.gov,聚焦肺移植受者中巨细胞病毒(CMV)突破性感染的多中心研究。研究对象为CMV错配并接受ganciclovir/valganciclovir预防的肺移植患者,旨在了解突破性CMV DNAemia的发生率、抗病毒预防相关不良反应(如白细胞减少和中性粒细胞减少)的发生率,以及突破性病毒血症患者的耐药突变情况。数据可用于分析CMV突破性感染的风险因素、预防中断原因及耐药性预测,为移植后感染管理提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:巨细胞病毒感染。目的:本研究旨在进一步了解CMV错配并接受预防治疗的肺移植患者中CMV突破性感染的发生率。同时将监测抗病毒预防引起的负面副作用发生率。对于在研究期间确实出现CMV病毒血症突破的患者,研究者还将评估耐药突变的发生率。假设:研究者希望证明,在接受ganciclovir/valganciclovir预防的CMV错配肺移植受者中,突破性CMV DNAemia很常见。此外,研究者将表明,与长期预防相关的白细胞减少和中性粒细胞减少非常常见,并且因副作用而停用ganciclovir/valganciclovir预防可解释大多数突破性CMV DNAemia病例。研究者的发现将
【主题与分类】
主题标签:Cytomegalovirus Infections。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04439916
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/NCT04439916
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:巨细胞病毒感染。目的:本研究旨在进一步了解CMV不匹配且正在接受预防性治疗的肺移植患者中CMV突破感染的发生率。同时,也将监测抗病毒预防治疗引起的负面副作用发生率。对于在研究期间确实出现CMV病毒血症突破的患者,研究者还将评估耐药突变的发生率。假设:研究者希望证明,在接受更昔洛韦/缬更昔洛韦预防治疗的CMV不匹配肺移植受者中,突破性CMV DNA血症较为常见。此外,研究者将表明,与长期预防治疗相关的白细胞减少和中性粒细胞减少非常普遍,并且因副作用而停用更昔洛韦/缬更昔洛韦预防治疗可解释大多数突破性CMV DNA血症病例。研究者的发现将具有重要意义,因为它们将回答以下问题:1. 对于不匹配的肺移植患者,采用更昔洛韦/缬更昔洛韦进行预防治疗时应包括密集的CMV DNA监测。2.
与更昔洛韦/缬更昔洛韦使用相关的副作用可因中性粒细胞减少症的发生而导致潜在危及生命的感染,并因使用粒细胞集落刺激因子而增加费用。3. 采用副作用特征更安全的新型抗病毒药物进行替代预防,将带来更安全的不良事件特征。由于对更昔洛韦的耐药性可能导致死亡,在接受靶向不同于更昔洛韦/缬更昔洛韦所靶向酶的抗病毒药物治疗的患者中发生CMV感染,并不会妨碍未来使用更昔洛韦/缬更昔洛韦来治疗CMV感染或疾病。理由:巨细胞病毒(CMV)感染是肺移植中最常见的机会性感染,可导致直接和间接影响,进而引发危及生命的并发症。CMV感染风险在CMV血清学阴性的肺移植受者中最高,这些受者来自CMV血清学阳性的
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。




