MITO END-3 子宫内膜癌免疫联合化疗临床试验数据
该数据集包含来自MITO END-3 II期临床试验的临床表格数据，主要记录了晚期或复发性子宫内膜癌患者接受阿维鲁单抗联合卡铂/紫杉醇或单纯化疗的疗效与安全性信息，核心用于评估免疫联合化疗方案的临床获益、分析错配修复状态等生物标志物与预后的关联，并为子宫内膜癌的免疫治疗策略研究提供实证支持。
基本信息
资源简介
MITO END-3 子宫内膜癌免疫联合化疗临床试验数据
【数据内容】
源站原始描述：数据集概述 本数据集来自MITO END-3随机II期临床试验，比较阿维鲁单抗联合卡铂/紫杉醇与单纯卡铂/紫杉醇治疗晚期或复发性子宫内膜癌患者的疗效。试验纳入ECOG体能状态0-1分的患者，主要终点为无进展生存期（PFS），预设按错配修复（MMR）状态进行亚组分析。数据集包含1个文件。 文件详解 文件名称：DB_zenodo.xlsx 文件格式：XLSX
中文译文（机器翻译，仅供快速理解，请以原文为准）：Dataset overview: This dataset comes from the MITO END-3 randomized phase II clinical trial, which compared the efficacy of avelumab combined with carboplatin/paclitaxel versus carboplatin/paclitaxel alone in patients with advanced or recurrent endometrial cancer. The trial enrolled patients with an ECOG performance status of 0-1, with progression-free survival (PFS) as the primary endpoint, and prespecified subgroup analyses by mismatch repair (MMR) status. The dataset contains 1 file. File details File name: DB_zenodo.xlsx File format: XLSX...
【获取与许可】
源站页面：https://haidatas.com/dataset/mito_end_3_zigongneimoaimianyilianhehualia_5b9301b3
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。
需登录公开下载
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。
暂未开放有偿下载
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://haidatas.com/dataset/mito_end_3_zigongneimoaimianyilianhehualia_5b9301b3
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
本数据集来源于MITO END-3随机II期临床试验，旨在比较阿维鲁单抗（一种免疫检查点抑制剂）联合卡铂/紫杉醇化疗方案与单纯卡铂/紫杉醇化疗方案在治疗晚期或复发性子宫内膜癌患者中的疗效与安全性。数据集收录了符合ECOG体能状态0-1分标准的患者临床数据，主要研究终点为无进展生存期（PFS），并预设按错配修复（MMR）状态进行亚组分析。数据以临床表格形式呈现，可用于评估免疫联合疗法在子宫内膜癌中的效果、探索生物标志物（如MMR状态）与疗效的关系，以及支持相关肿瘤免疫治疗的临床研究。该试验已在ClinicalTrials.gov注册（注册号NCT03503786）。
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。
