氨磷汀预防实体瘤患者PSCT副作用的研究
该数据集来自clinicaltrials.gov,聚焦氨磷汀在高危或复发实体瘤及脑肿瘤患者中,配合外周血干细胞移植与化疗进行化学保护的临床研究

基本信息
资源简介
氨磷汀预防实体瘤患者PSCT副作用的研究
该数据集来自clinicaltrials.gov,聚焦氨磷汀在高危或复发实体瘤及脑肿瘤患者中,配合外周血干细胞移植与化疗进行化学保护的临床研究。研究采用剂量递增设计,按年龄(1至18岁与19至45岁)分层,所有患者先接受一周filgrastim(G-CSF)静脉给药,第6天采集外周血干细胞后开始化疗,方案包括口服busulfan与静脉melphalan。数据可用于评估剂量限制性毒性、疾病反应或进展时间等结局,支持肿瘤治疗相关预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑与中枢神经系统肿瘤、儿童生殖细胞肿瘤、脊索瘤、肾癌、肝癌、神经母细胞瘤、卵巢癌、视网膜母细胞瘤。目标: 确定氨磷汀化学保护联合外周血干细胞移植加化疗在高危或复发实体瘤或脑肿瘤患者中的剂量限制性毒性。 确定接受该方案治疗患者的反应或疾病进展时间。概述:这是一项氨磷汀的剂量递增研究。患者按年龄分层(1至18岁 vs 19至45岁)。所有患者接受filgrastim(G-CSF)静脉给药1周。在G-CSF给药第6天,患者接受外周血干细胞(PBSC)采集,随后进行化疗。患者在第-8至-6天每6小时口服busulfan,随后在第-5和-4天静脉输注melphalan 30分钟,以及th
【主题与分类】
主题标签:Brain and Central Nervous System Tumors、Childhood Germ Cell Tumor、Chordoma、Kidney Cancer、Liver Cancer、Neuroblastoma、Ovarian Cancer、Retinoblastoma、Sarcoma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00003926
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/NCT00003926
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:脑与中枢神经系统肿瘤、儿童生殖细胞肿瘤、脊索瘤、肾癌、肝癌、神经母细胞瘤、卵巢癌、视网膜母细胞瘤。目的:* 确定在高风险或复发性实体瘤或脑肿瘤患者中,联合外周血干细胞移植与化疗时,氨磷汀化学保护的剂量限制性毒性。* 确定接受此方案治疗的患者反应或疾病进展时间。大纲:这是一项氨磷汀的剂量递增研究。患者根据年龄(1至18岁与19至45岁)进行分层。所有患者接受非格司亭(G-CSF)静脉注射1周。在G-CSF给药的第6天,患者进行外周血干细胞(PBSC)采集,随后进行化疗。患者在第-8至-6天每6小时口服白消安,随后在第-5和-4天静脉注射美法仑30分钟,第-3和-2天静脉注射塞替派2小时。患者从第-5天至第-1天,在美法仑和塞替派给药前30分钟开始,静脉注射氨磷汀5分钟。PBSC在第0天回输。
每组3-6名患者接受递增剂量的氨磷汀,直至确定最大耐受剂量。最大耐受剂量定义为在3名患者中有2名或6名患者中有2名经历剂量限制性毒性之前的剂量。患者在PBSC移植后第50天、3个月、6个月、9个月以及1年、2年、3年进行随访。预计招募人数:本研究将在3年内最多招募60名患者(每层30名)。
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。




