HIV阴性泰国与台湾患者中与干扰素-γ自身抗体相关的分枝杆菌及机会性感染数据集
该数据集来自clinicaltrials.gov,聚焦于HIV阴性的泰国与台湾患者中,与干扰素-γ(IFNg)自身抗体相关的非结核分枝杆菌感染、结核分枝杆菌感染及其他机会性感染

基本信息
资源简介
HIV阴性泰国与台湾患者中与干扰素-γ自身抗体相关的分枝杆菌及机会性感染数据集
该数据集来自clinicaltrials.gov,聚焦于HIV阴性的泰国与台湾患者中,与干扰素-γ(IFNg)自身抗体相关的非结核分枝杆菌感染、结核分枝杆菌感染及其他机会性感染。源站描述指出,此类患者可合并沙门菌、青霉病和组织胞浆菌病等机会性感染。数据可用于研究IFNg自身抗体与分枝杆菌及机会性感染易感性之间的关联,支持感染性疾病与免疫缺陷相关主题的分类分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非结核分枝杆菌、结核分枝杆菌、机会性感染。机会性感染的获得与先天性和获得性免疫缺陷存在因果关联。我们最近发现了一群携带干扰素γ(IFNg)自身抗体的亚洲女性,她们均因非结核分枝杆菌感染而被诊断。泰国和台湾也报告了类似的患者群体,并且我们在来自那里的匿名血清样本中发现了类似的自身抗体。此外,许多播散性或淋巴性非结核感染的患者还患有其他机会性感染(OI),如沙门菌病、青霉病和组织胞浆菌病。最近,在台湾描述了与我们的泰国人群临床相似的患者。其中两例已被诊断出IFNg自身抗体。
【主题与分类】
主题标签:Nontuberculous Mycobacteria、Mycobacterium Tuberculosis、Opportunistic Infections。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/NCT00814827
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/NCT00814827
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
疾病:非结核分枝杆菌、结核分枝杆菌、机会性感染。机会性感染的获得与先天性和获得性免疫缺陷存在因果关联。我们最近发现了一个亚洲女性群体,其体内存在针对干扰素γ(IFNg)的自身抗体,所有这些患者均因非结核分枝杆菌感染而被诊断。泰国和台湾也报告了类似的患者群体,并且我们在来自那里的匿名血清样本中发现了类似的自身抗体。此外,许多患有播散性或淋巴性非结核感染的患者还患有其他机会性感染(OI),如沙门菌感染、青霉病和组织胞浆菌病。最近,台湾报道了与我们的泰国人群临床相似的患者。其中两例已被诊断出IFNg自身抗体(未发表数据)。所述患者淋巴细胞计数正常,且人免疫缺陷病毒(HIV)阴性。
因此,针对关键细胞因子的自身抗体的检出、机会性感染的发生以及缺乏其他常见解释,均提示这是一个值得研究的重要人群。我们拟将患者纳入一项非HIV机会性感染的自然史研究,以探究针对细胞因子的自身抗体的存在情况,并考察可能影响该疾病发生的潜在免疫遗传因素。将获取并储存血浆、细胞和DNA样本以供本研究使用。根据方案,本研究将在5年内累计纳入最多265例患者,并对每例患者随访20年,样本量论证及分组情况详见方案。
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。




