结核病患者个体化药物治疗的多中心队列研究

该数据集来自 clinicaltrials.gov,属于呼吸系统疾病下的肺结核分类,覆盖结核病、潜伏性结核及非结核分枝杆菌感染人群

Inje UniversityInje University
clinicaltrials
浏览 5
文本预测TuberculosisLatent TuberculosisNontuberculous Mycobacterium Infection
Multi-site Cohort Study for the Development of Personalized Pharmacotherapy in Patients With Tuberculosis (TB)

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-22

资源简介

结核病患者个体化药物治疗的多中心队列研究

该数据集来自 clinicaltrials.gov,属于呼吸系统疾病下的肺结核分类,覆盖结核病、潜伏性结核及非结核分枝杆菌感染人群。数据包含采集的抗生素浓度数据与患者个体临床信息,可据此生成用于个体患者剂量调整的药代动力学分析报告,并结合临床分离株的最小抑菌浓度探索药代动力学/药效学指标,进而建立抗结核及抗 NTM 抗生素的群体药代动力学模型,用于基于剂量调整的治疗药物监测(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病条件:结核病、潜伏性结核、非结核分枝杆菌感染。基于采集的抗生素浓度数据和个体患者的临床信息,提供可用于个体患者剂量调整的药代动力学分析报告。还探索利用从患者临床分离株获得的抗生素最低抑菌浓度(MIC)的药代动力学/药效学指标。利用这些,我们打算建立用于治疗结核病和非结核分枝杆菌(NTM)的抗生素的群体药代动力学模型。所开发的群体药代动力学模型可应用于基于通过所获得的药代动力学参数进行剂量调整的治疗药物监测(TDM)。

【主题与分类】

主题标签:Tuberculosis、Latent Tuberculosis、Nontuberculous Mycobacterium Infection。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/NCT05280886

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/NCT05280886

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:结核病、潜伏性结核病、非结核分枝杆菌感染。基于收集的抗生素浓度数据和个体患者的临床信息,提供可用于个体患者剂量调整的药代动力学分析报告。还探索了使用从患者临床分离株获得的抗生素最低抑菌浓度(MIC)的药代动力学/药效学指标。利用这些,我们打算建立用于治疗结核病和非结核分枝杆菌(NTM)的抗生素群体药代动力学模型。所开发的群体药代动力学模型可通过获得的药代动力学参数进行剂量调整,应用于治疗药物监测(TDM)。

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