移植受者中艾沙康唑治疗药物监测研究
该数据集来自 clinicaltrials.gov,为广州医科大学附属第一医院开展的单中心回顾性观察性队列研究,覆盖肺、肾、肝实体器官移植及造血干细胞移植受者,纳入2024年1月至2026年4月期间接受艾沙康唑预防或治疗侵袭性真菌感染且至少完成一次血浆谷浓度TDM的患者

基本信息
资源简介
移植受者中艾沙康唑治疗药物监测研究
该数据集来自 clinicaltrials.gov,为广州医科大学附属第一医院开展的单中心回顾性观察性队列研究,覆盖肺、肾、肝实体器官移植及造血干细胞移植受者,纳入2024年1月至2026年4月期间接受艾沙康唑预防或治疗侵袭性真菌感染且至少完成一次血浆谷浓度TDM的患者。主要目标是刻画艾沙康唑血浆谷浓度的分布及患者内与患者间变异,并识别药物暴露的临床与药物遗传学决定因素,可用于治疗药物监测与个体化用药研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:侵袭性真菌感染、肺移植、造血干细胞移植(HSCT)、肾移植、肝移植(LT)。这是一项在广州医科大学附属第一医院开展的单中心、回顾性、观察性队列研究。研究纳入2024年1月至2026年4月期间接受艾沙康唑用于侵袭性真菌感染预防或治疗、且通过常规治疗药物监测(TDM)至少测量过一次血浆艾沙康唑谷浓度的实体器官移植(肺、肾、肝)和造血干细胞移植受者。主要目标是刻画艾沙康唑血浆谷浓度的分布及其患者内和患者间变异,并识别药物暴露的临床和药物遗传学决定因素。次要目标
【主题与分类】
主题标签:Invasive Fungal Infections、Lung Transplantation、Kidney Transplantation、Liver Transplantation (LT)。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07716878
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/NCT07716878
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:侵袭性真菌感染、肺移植、造血干细胞移植(HSCT)、肾移植、肝移植(LT)。这是一项在广州市第一附属医院开展的单中心、回顾性、观察性队列研究。研究纳入2024年1月至2026年4月期间接受艾沙康唑用于侵袭性真菌感染预防或治疗的实体器官移植(肺、肾、肝)和造血干细胞移植受者,且这些受者至少有一次通过常规治疗药物监测(TDM)测定的血浆艾沙康唑谷浓度。主要目的是描述艾沙康唑血浆谷浓度的分布及患者内和患者间变异,并确定药物暴露的临床和药物遗传学决定因素。
次要目标包括描述达到预设目标谷浓度窗口(1-7 µg/mL)的情况;艾沙康唑暴露与钙调神经磷酸酶抑制剂(他克莫司、环孢素)浓度之间的关系;以及艾沙康唑暴露与肝功能异常及全因死亡率的关联。人口学、临床、实验室、免疫抑制剂、CYP3A5基因型及TDM数据均从病历中提取。谷浓度在测量水平和患者水平两个层面进行分析。对数转换后谷浓度的决定因素采用线性混合效应模型评估,纳入患者水平随机截距以解释重复测量。亚组分析预先按移植类型(肺、肾、肝、造血干细胞)、治疗场景(预防 vs 治疗)、年龄(成人 vs 儿童)及CYP3A5基因型设定,小亚组采用病例系列描述;另进行仅限于成人的敏感性分析。不分配任何研究干预;所有数据均反映常规临床诊疗。
本研究按照STROBE声明进行报告,并获得机构伦理委员会批准(批准号:ES-2025-K203-01)。
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。




