PEG-rhG-CSF一级预防对比短效rhG-CSF治疗盆腔放化疗期间宫颈癌或子宫内膜癌中性粒细胞减少症
该数据集来自clinicaltrials.gov,为一项单中心随机对照研究,纳入组织学确诊的宫颈癌或子宫内膜癌并计划接受盆腔外照射放疗(联合或不联合化疗)的患者

基本信息
资源简介
PEG-rhG-CSF一级预防对比短效rhG-CSF治疗盆腔放化疗期间宫颈癌或子宫内膜癌中性粒细胞减少症
该数据集来自clinicaltrials.gov,为一项单中心随机对照研究,纳入组织学确诊的宫颈癌或子宫内膜癌并计划接受盆腔外照射放疗(联合或不联合化疗)的患者。受试者按1:1随机分配至PEG-rhG-CSF一级预防组或短效rhG-CSF治疗组,预防组不等ANC下降即给药,化疗方案为3周者每周期化疗结束后24小时皮下注射,体重≥45 kg给6 mg、<45 kg给3 mg,单纯放疗者在首次放疗前24-48小时单次皮下给药。数据可用于比较两种策略对中性粒细胞减少症的预防效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:宫颈癌、子宫内膜癌。组织学确诊为宫颈癌或子宫内膜癌、计划接受盆腔外照射放疗(联合或不联合化疗)的患者正在被纳入这项单中心随机对照研究。参与者按1:1比例随机分配至两种治疗策略。分配至PEG-rhG-CSF一级预防组的参与者接受预防性PEG-rhG-CSF,无需等待绝对中性粒细胞计数(ANC)下降。对于接受3周化疗方案的参与者,在每个化疗周期完成后24小时皮下给予PEG-rhG-CSF,体重≥45 kg剂量为6 mg,体重<45 kg剂量为3 mg。单纯接受放疗的参与者在首次放疗分次前24-48小时接受单次皮下剂量,使用
【主题与分类】
主题标签:Cervical Cancer、Endometrial Cancer。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07865650
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/NCT07865650
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:宫颈癌、子宫内膜癌。本研究为单中心随机对照研究,纳入经组织学确诊为宫颈癌或子宫内膜癌、计划接受盆腔外照射放疗(伴或不伴化疗)的患者。参与者按1:1比例随机分配至两种治疗策略。分配至PEG-rhG-CSF一级预防组的参与者接受预防性PEG-rhG-CSF,无需等待中性粒细胞绝对计数(ANC)下降。对于接受3周化疗方案的参与者,在每个化疗周期结束后24小时皮下注射PEG-rhG-CSF,体重≥45 kg者剂量为6 mg,体重<45 kg者剂量为3 mg。仅接受放疗的参与者在首次放疗分割前24-48小时接受单次皮下注射,采用相同的按体重给药方案。分配至短效rhG-CSF治疗组的参与者不接受预防性G-CSF。
当ANC降至<1.0 × 10⁹/L时,开始使用短效rhG-CSF,剂量为150-300 μg/天,皮下注射,并持续使用直至ANC达到≥5.0 × 10⁹/L或白细胞计数达到≥10.0 × 10⁹/L。主要终点为根据CTCAE第5.0版评估的放疗期间≥3级中性粒细胞减少症的发生率。次要结局包括发热性中性粒细胞减少症、治疗延迟或中断、化疗剂量减少、治疗相关不良事件、放疗后观察期间的血液学毒性,以及探索性无进展生存期。治疗后血液学结局随访至末次放疗分割或末次化疗周期后最长6个月,以较晚发生者为准。
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。




