多西他赛与圣约翰草治疗不可手术切除的实体瘤患者
该数据集来自 clinicaltrials.gov,聚焦多西他赛与圣约翰草(Hypericum perforatum)在不可手术切除的实体瘤患者中的相互作用研究

基本信息
资源简介
多西他赛与圣约翰草治疗不可手术切除的实体瘤患者
该数据集来自 clinicaltrials.gov,聚焦多西他赛与圣约翰草(Hypericum perforatum)在不可手术切除的实体瘤患者中的相互作用研究。覆盖成人实体瘤、乳腺癌、头颈癌、肾与泌尿系统癌症、男性生殖系统癌症、胸部与呼吸系统癌症等病种。研究目标包括评估圣约翰草对多西他赛药代动力学清除的影响、对 M4-C13-羟基多西他赛生成与血浆浓度的影响、对多西他赛药效学的影响,以及多西他赛代谢清除变化与 CYP3A4/CYP3A5 基因型、p-糖蛋白基因型之间的关系。可用于肿瘤药物治疗与药物相互作用相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:成人实体瘤、乳腺癌、头颈癌、肾与泌尿系统癌症、男性生殖系统癌症、胸部与呼吸系统癌症。目标: 确定贯叶连翘(圣约翰草)对不可切除实体瘤患者中多西他赛药代动力学清除的影响。 确定贯叶连翘对这些患者中 M4-C13-羟基多西他赛生成及血浆浓度的影响。 确定该药物对这些患者中多西他赛药效学的影响。 确定该药物对多西他赛代谢清除的影响与这些患者中 CYP3A4/CYP3A5 基因型之间的关系。 确定该药物对多西他赛代谢清除的影响与这些患者中 p-糖蛋白基因型之间的关系。 确定该药物对多西他
【主题与分类】
主题标签:Adult Solid Tumor、Breast Cancer、Head and Neck Cancer、Kidney and Urinary Cancer、Male Reproductive Cancer、Thorax and Respiratory Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00041171
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/NCT00041171
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
疾病类型:成人实体瘤、乳腺癌、头颈部癌、肾脏及泌尿系统癌症、男性生殖系统癌症、胸部及呼吸系统癌症。目的:* 确定贯叶金丝桃(圣约翰草)对不可切除实体瘤患者中多西他赛药代动力学清除的影响。* 确定贯叶金丝桃对这些患者中M4-C13-羟基多西他赛生成及血浆浓度的影响。* 确定该药物对这些患者中多西他赛药效学的影响。* 确定该药物对多西他赛代谢清除的影响与这些患者CYP3A4/CYP3A5基因型之间的关系。* 确定该药物对多西他赛代谢清除的影响与这些患者p-糖蛋白基因型之间的关系。* 确定该药物对多西他赛清除的影响与这些患者孕烷受体基因型之间的关系。* 评估这些患者对该药物的依从性。* 评估这些患者中贯叶金丝桃 putative 精神活性成分之一——贯叶金丝桃素的稳态浓度。
大纲:这是一项随机、双盲、安慰剂对照研究。未长期服用贯叶连翘(圣约翰草)的患者被分配至A组,而一组8名长期服用贯叶连翘的患者则被分配至B组。* 患者随机分配至2个治疗臂之一。* 治疗臂I:患者在第1-14天每日三次口服安慰剂,并在第15天接受多西他赛静脉注射,持续1小时。* 治疗臂II:患者在第1-14天每日三次口服贯叶连翘,并如治疗臂I所述接受多西他赛。* B组(非随机组):患者如治疗臂I所述接受多西他赛,并继续其长期贯叶连翘方案,但第15天除外。两组治疗每21天重复一次,共2个疗程,除非疾病进展或出现不可接受的毒性。患者仅随访新原发灶和生存情况。预计入组:本研究预计招募约92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。




