替莫唑胺、长春新碱和伊立替康治疗难治性实体瘤年轻患者
该数据集来自 clinicaltrials.gov,聚焦替莫唑胺、长春新碱和伊立替康联合治疗年轻难治性实体瘤(含脑肿瘤)患者的研究

基本信息
资源简介
替莫唑胺、长春新碱和伊立替康治疗难治性实体瘤年轻患者
该数据集来自 clinicaltrials.gov,聚焦替莫唑胺、长春新碱和伊立替康联合治疗年轻难治性实体瘤(含脑肿瘤)患者的研究。主要目标包括确定伊立替康的最大耐受剂量和推荐II期剂量、评估毒性反应、比较低风险与高风险UGT1A1基因型患者的毒性差异,并分析伊立替康的药代动力学。次要目标为初步评估抗肿瘤活性,以及将UGT1A1、UGT1A7、UGT1A9和BCRP基因型与伊立替康及其代谢物的药代动力学和药效学相关联。该研究为多中心剂量递增设计,可用于毒性预测、剂量优化及基因型与药物反应关联分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑和中枢神经系统肿瘤、未明确的儿童实体瘤、方案特定。目的:主要 确定伊立替康与替莫唑胺和长春新碱联合给药时在患有难治性实体瘤(包括脑肿瘤)的年轻患者中的最大耐受剂量和推荐的II期剂量。 确定该方案在这些患者中的毒性作用。 比较该方案在低风险与高风险UGT1A1基因型患者中的毒性作用。 确定伊立替康在这些患者中的药代动力学。次要 初步确定该方案在这些患者中的抗肿瘤活性。 将UGT1A1、UGT1A7、UGT1A9和BCRP基因型与伊立替康及其代谢物在这些患者中的药代动力学和药效学相关联。概要:这是一项伊立替康的多中心、剂量递增研究。患者被分层
【主题与分类】
主题标签:Brain and Central Nervous System Tumors。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00138216
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/NCT00138216
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:脑及中枢神经系统肿瘤、未明确的儿童实体瘤、方案特定。
目的:
主要目的
- 确定伊立替康与替莫唑胺和长春新碱联合用于患有难治性实体瘤(包括脑肿瘤)的年轻患者时的最大耐受剂量和推荐的II期剂量。
- 确定该方案在这些患者中的毒性反应。
- 比较该方案在低风险与高风险UGT1A1基因型患者中的毒性反应。
- 确定伊立替康在这些患者中的药代动力学。
次要目的
- 初步确定该方案在这些患者中的抗肿瘤活性。
- 将这些患者中UGT1A1、UGT1A7、UGT1A9和BCRP基因型与伊立替康及其代谢物的药代动力学和药效学相关联。
大纲:这是一项多中心、剂量递增的伊立替康研究。如果高风险患者出现剂量限制性毒性(DLT),则根据UGT1A1基因型对患者进行分层(高风险[7/7或6/7基因型且胆红素≥0.6 mg/dL] vs 低风险[不符合高风险标准])。患者在第1-5天口服替莫唑胺,并在第1-5天和第8-12天口服伊立替康。
患者还在第1天和第8天接受1分钟以上的长春新碱静脉注射。在没有疾病进展或不可接受的毒性的情况下,治疗每21天重复一次,最多17个疗程。3-6名患者的队列接受递增剂量的伊立替康,直到确定最大耐受剂量(MTD)。MTD定义为6名患者中有2名经历DLT之前的剂量。研究治疗完成后,患者随访1个月,此后每年随访一次。预计入组人数:本研究将在18个月内共入组3-36名患者。
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。




