开放标签序贯给药单次递增剂量与多次给药安全性耐受性及药代动力学研究

该数据集来自clinicaltrials.gov,针对转移性乳腺癌(Metastatic Breast Cancer)开展开放标签、序贯给药研究,包含单次递增剂量(SAD)和多次给药两部分

Kashiv BioSciences, LLCKashiv BioSciences, LLC
clinicaltrials
浏览 10
其他Metastatic Breast Cancer
Open Label, Sequential Dosing , Single Ascending Dose and Multiple Dose Safety Tolerability and Pharmacokinetic Study

基本信息

模态
其他
创建/更新时间
2026-10-20

资源简介

开放标签序贯给药单次递增剂量与多次给药安全性耐受性及药代动力学研究

该数据集来自clinicaltrials.gov,针对转移性乳腺癌(Metastatic Breast Cancer)开展开放标签、序贯给药研究,包含单次递增剂量(SAD)和多次给药两部分。SAD部分设四个队列(01、02、03、04),试验药剂量分别为25、100、250、500 mg;多次给药部分设三个治疗臂(T1、T2、R),采用平行设计。数据可用于评估试验药与参照药的安全性、耐受性及药代动力学特征(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):适应症:转移性乳腺癌。试验药的单次递增剂量(SAD)分为四个队列(01、02、03和04),剂量分别为25、100、250和500 mg。参加第01队列的受试者(N=18)将随机接受单次剂量25 mg的试验药(N=10)或单次剂量500 mg的参照药(N=8)。T:R的随机化比例为5:4。研究第二部分:在一个队列中(N=32,平行设计)给予三个治疗臂的多次剂量。• 试验药的两个治疗臂:T1:低于研究第一部分确定的最大耐受剂量(MTD-1)的剂量,N=12名受试者。T2:研究第一部分确定的最大耐受剂量,N=12名受试者。• 参照药的一个治疗臂:R:500 mg,N=8名受试者。T1:T2:R的随机化比例为3:3:2。

【主题与分类】

主题标签:Metastatic Breast Cancer。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06074757

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/NCT06074757

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

适应症:转移性乳腺癌。试验药单次递增给药(SAD),共四个队列(01、02、03和04),剂量分别为25、100、250和500 mg。参加第01号队列的受试者(N=18例)将随机接受试验药25 mg单次给药(N=10例)或参照药500 mg单次给药(N=8例)。随机比例为T:R=5:4。研究第二部分:在一个队列中给予三个治疗组的多剂量给药(N=32,平行设计)。• 试验药的两个治疗组:T1:低于研究第一部分确定的最大耐受剂量(MTD-1)的剂量,N=12例。T2:研究第一部分确定的最大耐受剂量,N=12例。• 参照药的一个治疗组:R:500 mg,N=8例。随机比例为T1:T2:R=3:3:2。

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。