Abemaciclib联合内分泌治疗老年乳腺癌患者研究
该数据集来自 clinicaltrials.gov,聚焦于 70 岁及以上激素受体阳性转移性乳腺癌患者,评估 Abemaciclib 单药治疗中 3 级及以上毒性发生率

基本信息
资源简介
Abemaciclib联合内分泌治疗老年乳腺癌患者研究
该数据集来自 clinicaltrials.gov,聚焦于 70 岁及以上激素受体阳性转移性乳腺癌患者,评估 Abemaciclib 单药治疗中 3 级及以上毒性发生率。次要目标包括描述全谱毒性(含 2 级及以上不良事件及患者报告结局 CTCAE 指标)、剂量减少/暂停/非进展性停药及住院率,并估算无失败生存、无进展生存和总生存的中位值及 95% 置信区间。数据可用于老年乳腺癌治疗安全性及生存预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Anatomic Stage IV Breast Cancer AJCC v8、Hormone Receptor Positive Breast Carcinoma、Metastatic Breast Carcinoma、Prognostic Stage IV Breast Cancer AJCC v8。主要目标:I. 评估 70 岁及以上激素受体阳性转移性乳腺癌成人中归因于 Abemaciclib 单药治疗的 3 级或更高毒性发生率。次要目标:I. 描述完整毒性特征,包括所有 2 级及以上不良事件,以及使用患者报告结局(PRO)-常见不良事件评价标准(CTCAE)测量的患者报告不良事件(AEs)。II. 描述因非进展因素导致的剂量减少、剂量暂停、治疗中止以及住院率。III. 估算中位(及 95% 置信区间 [CI])无失败生存、无进展生存和总生存。
【主题与分类】
主题标签:Anatomic Stage IV Breast Cancer AJCC v8、Metastatic Breast Carcinoma。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04305834
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/NCT04305834
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
条件:解剖学IV期乳腺癌AJCC v8,激素受体阳性乳腺癌,转移性乳腺癌,预后IV期乳腺癌AJCC v8。主要目标:I. 评估70岁及以上激素受体阳性转移性乳腺癌成年患者中,因阿贝西利单药治疗导致的3级或更高级别毒性的发生率。次要目标:I. 描述完整的毒性特征,包括所有2级及以上的不良事件,以及使用患者报告结果(PRO)-常见不良事件评价标准(CTCAE)测量的患者报告不良事件(AEs)。II. 描述因非进展因素导致的剂量减少、剂量暂停、治疗中断及住院率。III. 估计中位(及95%置信区间[CI])无失败生存期、无进展生存期和总生存期。IV. 描述“值得吗”(WIWI)和整体治疗效用(OTU)问卷的结果。V. 描述阿贝西利治疗的依从率。VI. 确定阿贝西利平均血浆稳态谷浓度Ctrough。VII.
评估依从率与abemaciclib血浆谷浓度之间的关联。VIII. 描述癌症特异性、综合老年评估(cGA)评分与毒性发生率及其分级之间的关联。探索性目标:I. 确定衰老生物标志物与3级或以上毒性之间的关联。方案概要:患者在第1-28天口服(PO)abemaciclib,每日两次(BID)。在没有疾病进展或不可接受的毒性的情况下,每28天重复一个周期。研究治疗完成后,对患者进行30天随访,之后每6个月随访一次,持续2年。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




