新诊断BRCAwt卵巢癌奥拉帕利维持单药治疗结局研究

该数据集源自clinicaltrials.gov,为美国多中心回顾性观察性队列研究,数据从患者病历中摘录。计划纳入约150例新诊断晚期卵巢癌女性患者,这些患者在首次诊断至首次处方一线奥拉帕利维持单药治疗之间接受肿瘤生物标志物检测,确认为肿瘤BRCA野生型且HRD状态已知

AstraZenecaAstraZeneca
clinicaltrials
浏览 9
基因组预测Advanced Ovarian Cancer
A Study to Characterize the Outcomes of Olaparib Maintenance Monotherapy in Newly Diagnosed BRCAwt Ovarian Cancer

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-20

资源简介

新诊断BRCAwt卵巢癌奥拉帕利维持单药治疗结局研究

该数据集源自clinicaltrials.gov,为美国多中心回顾性观察性队列研究,数据从患者病历中摘录。计划纳入约150例新诊断晚期卵巢癌女性患者,这些患者在首次诊断至首次处方一线奥拉帕利维持单药治疗之间接受肿瘤生物标志物检测,确认为肿瘤BRCA野生型且HRD状态已知。首次奥拉帕利处方时间在2017年1月至2021年12月之间,所有数据均为回顾性收集,从首次处方日期起随访至少18个月。可用于分析奥拉帕利维持治疗的真实世界结局(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:晚期卵巢癌。这是一项基于美国的多个中心、回顾性、观察性队列研究,数据从患者病历中摘录。在这项观察性研究中,计划纳入约150名美国女性新诊断晚期卵巢癌(AOC)患者,这些患者在首次诊断AOC至首次处方一线奥拉帕利维持单药治疗之间接受了肿瘤生物标志物检测,确认为肿瘤乳腺癌基因野生型(BRCAwt)且同源重组缺陷(HRD)状态已知。这项回顾性队列研究将纳入首次奥拉帕利处方在2017年1月至2021年12月之间的患者。所有数据收集均为回顾性。数据将从首次奥拉帕利处方日期(索引日期)开始收集,索引日期后随访期至少18个月。

【主题与分类】

主题标签:Advanced Ovarian Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05775549

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT05775549

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:晚期卵巢癌。这是一项基于美国的多中心、回顾性、观察性队列研究,数据摘自患者病历。在这项观察性研究中,计划纳入约150名美国女性新诊断晚期卵巢癌(AOC)患者,这些患者在首次诊断为AOC至首次处方一线奥拉帕利维持单药治疗之间接受了肿瘤生物标志物检测,结果为肿瘤乳腺癌基因野生型(BRCAwt),且具有已知的同源重组修复缺陷(HRD)状态。这项回顾性队列研究将纳入首次奥拉帕利处方时间在2017年1月至2021年12月之间的患者。所有数据收集均为回顾性。数据将从首次奥拉帕利处方日期(索引日期)开始收集,随访期至少为索引日期后18个月。

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。