Fluvastatin-Celebrex联合治疗低级别和高级别视交叉胶质瘤的安全性
该数据集来自clinicaltrials.gov,聚焦于Fluvastatin与Celebrex联合治疗低级别和高级别视交叉胶质瘤的安全性评估

基本信息
资源简介
Fluvastatin-Celebrex联合治疗低级别和高级别视交叉胶质瘤的安全性
该数据集来自clinicaltrials.gov,聚焦于Fluvastatin与Celebrex联合治疗低级别和高级别视交叉胶质瘤的安全性评估。数据涉及剂量递增方案,仅针对Fluvastatin,采用CRML模型(Continual Reassessment Method Lilelihood approach)确定推荐II期剂量(RP2D),即与DLT概率最接近25%的剂量。递增阶段以2例患者为队列,首例从2mg/kg/day开始,后续剂量为4、6、8mg/kg/day,不允许患者内剂量递增。治疗持续至疾病进展或不可接受的毒性。该数据可用于预测DLT概率、支持剂量决策及安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胶质瘤。剂量递增方案仅涉及Fluvastatin,并基于CRML模型(Continual Reassessment Method Lilelihood approach)。与DLT概率最接近25%的剂量将被视为推荐II期剂量(RP2D)。递增阶段:患者将按2例一组入组。首例患者将在Fluvastatin的第一个剂量水平(2mg/kg/day)入组。第二例患者仅在足够时间评估首例患者无DLT后才会入组。若首个28天周期内无DLT,则允许剂量递增(Fluvastatin 4、6和8 mg/kg/day)。第二例及所有后续患者将在DLT概率最接近25%的剂量水平接受治疗,不跳过步骤。不允许患者内剂量递增。治疗将持续至疾病进展或不可接受的毒性。
【主题与分类】
主题标签:Glioma。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02115074
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/NCT02115074
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:胶质瘤。剂量递增方案仅涉及氟伐他汀,并基于CRML模型(持续再评估法似然估计方法)。将DLT概率最接近25%的剂量视为推荐的2期剂量(RP2D)。递增阶段:患者将按2人一组入组。首例患者将在氟伐他汀的第一个剂量水平(2mg/kg/天)入组。只有在有足够时间评估首例患者未出现DLT后,才会入组第二例患者。若在首个28天周期内未出现DLT,则允许剂量递增(氟伐他汀4、6和8mg/kg/天)。第二例及所有后续患者将在DLT概率最接近25%的剂量水平接受治疗,且不跳过剂量阶梯。不允许患者内剂量递增。治疗将持续至疾病进展或出现不可接受的毒性,最长一年。第一步将至少入组21例患者,其中包括至少6例接受RP2D的患者。扩展阶段:在RP2D下,将增加受试者数量以达到总共14例可评估患者,以更好地描述RP2D的安全性。
患者也将根据CRML模型纳入扩展阶段,以确认推荐剂量。与每个剂量水平相关的DLT概率将通过CRML逐步重新评估,无需暂停入组。结果可能会修改第一步中保留的RP2D(剂量降低或剂量重新递增)。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




