局部晚期宫颈癌顺铂禁忌患者根治性放疗联合或不联合化疗的已发表结局数据荟萃分析与荟萃回归数据集
我们进行了一项系统评价和荟萃分析,以考察存在顺铂禁忌的局部晚期宫颈癌患者接受根治性放疗联合或不联合化疗的治疗结局。随后我们进行了荟萃回归,以考察临床和治疗变量对结局的影响

基本信息
资源简介
局部晚期宫颈癌顺铂禁忌患者根治性放疗联合或不联合化疗的已发表结局数据荟萃分析与荟萃回归数据集
我们进行了一项系统评价和荟萃分析,以考察存在顺铂禁忌的局部晚期宫颈癌患者接受根治性放疗联合或不联合化疗的治疗结局。随后我们进行了荟萃回归,以考察临床和治疗变量对结局的影响
Dataset for meta-analysis and metaregression of published outcomes data on definitive radiotherapy with or without chemotherapy for locally advanced cervical cancer in patients with contraindications to cisplatin
【数据集背景】
源站首次发布:2022。
【数据内容】
源站描述(机器翻译,仅供参考):我们进行了一项系统评价和荟萃分析,以考察存在顺铂禁忌的局部晚期宫颈癌患者接受根治性放疗联合或不联合化疗的治疗结局。随后我们进行了荟萃回归,以考察临床和治疗变量对结局的影响。我们使用标准化数据提取模板识别符合条件的研究并提取相关数据。表1总结了每项符合条件研究的人群或亚组特征(包括顺铂禁忌的性质)以及干预组(放疗、近距离放疗和/或化疗方案)。表2总结了我们对每项研究偏倚风险的评估,使用的是基于 CASP Critical Appraisal Checklists 的模板。表3和表4总结了结局(肿瘤反应、s
【主题与分类】
主题标签:肿瘤、宫颈癌、放疗、化疗、荟萃分析、荟萃回归、顺铂禁忌。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/r9x8h9h98r/3
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.17632/r9x8h9h98r.3
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:
数据集大小约 53.5 MB。
数据说明
我们进行了一项系统综述和荟萃分析,旨在探讨对顺铂有禁忌症的局部晚期宫颈癌患者的治疗结果,这些患者接受了根治性放疗,伴或不伴化疗。随后,我们进行了元回归分析,以考察临床和治疗变量对预后的影响。我们确定了符合条件的研究,并使用标准化的数据提取模板提取了相关数据。表1总结了每项符合条件研究的人群或亚组特征(包括顺铂禁忌症的性质)及干预组(放疗、近距离放疗和/或化疗方案)。表2汇总了我们基于CASP关键评估清单模板对每项研究偏倚风险的评估。表3和表4概述了各干预组的结局(肿瘤反应、生存率、依从率和毒性)。表5整合了表1、表3和表4中的数值数据,适合进行荟萃分析和元回归分析。
表6是一个综合数据库,包含了在准备比例元分析和元回归其他数据集时使用的主模板,涉及感兴趣的变量和结果。表7是一个综合数据库,包含了用于比较元分析的数据集。
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。




