基于结核风险因素的活体肾移植受者异烟肼预防

该数据集来自 clinicaltrials.gov,聚焦活体肾移植受者基于结核风险因素的异烟肼预防。源站描述指出,结核是实体器官移植受者中重要且严重的机会性感染,通常建议对潜伏性结核感染(LTBI)者进行化学预防,但不依赖结核菌素皮肤试验(TST)或干扰素γ释放试验(IGRA)、仅基于结核风险因素的

West China HospitalWest China Hospital
clinicaltrials
浏览 4
其他Kidney TransplantationTuberculosisIsoniazid Toxicity
Isoniazid Prophylaxis Based on Risk Factors of Tuberculosis in Living Kidney Transplantation Recipients

基本信息

模态
其他
创建/更新时间
2026-10-22

资源简介

基于结核风险因素的活体肾移植受者异烟肼预防

该数据集来自 clinicaltrials.gov,聚焦活体肾移植受者基于结核风险因素的异烟肼预防。源站描述指出,结核是实体器官移植受者中重要且严重的机会性感染,通常建议对潜伏性结核感染(LTBI)者进行化学预防,但不依赖结核菌素皮肤试验(TST)或干扰素γ释放试验(IGRA)、仅基于结核风险因素的异烟肼(INH)预防方案效果尚不明确。研究者因此开展回顾性研究,评估由结核风险因素指导的6个月INH预防方案在肾移植受者中的安全性和有效性。数据可用于结核风险分层预防策略的研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:肾移植、结核病、异烟肼毒性。结核病(TB)是实体器官移植受者中一种重要且严重的机会性感染。建议对潜伏性结核感染(LTBI)者进行化学预防。然而,不依赖结核菌素皮肤试验(TST)或干扰素γ释放试验(IGRA)、基于结核风险因素的异烟肼(INH)预防方案的有效性仍不确定。因此,研究者开展了这项回顾性研究,以评估由结核风险因素指导的6个月INH预防方案在肾移植受者中的安全性和有效性。

【主题与分类】

主题标签:Kidney Transplantation、Tuberculosis、Isoniazid Toxicity。本站分类:呼吸系统疾病/肺结核。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06512831

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06512831

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:肾移植、结核病、异烟肼毒性。结核病(TB)是实体器官移植受者中一种主要且严重的机会性感染。对于潜伏性结核感染(LTBI)者,建议进行化学预防。然而,基于结核病危险因素、不依赖结核菌素皮肤试验(TST)或干扰素-γ释放试验(IGRA)的异烟肼(INH)预防方案的有效性仍不确定。因此,研究者开展了这项回顾性研究,以评估在肾移植受者中由结核病危险因素指导的6个月INH预防方案的安全性和有效性。

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。

获取专属数据定制方案