阿米福汀与非格司亭联合化疗治疗复发或转移性癌症患者
该数据集来自clinicaltrials.gov,收录一项针对复发或转移性癌症患者的剂量递增研究,覆盖白血病、淋巴瘤及未指明成人实体瘤

基本信息
资源简介
阿米福汀与非格司亭联合化疗治疗复发或转移性癌症患者
该数据集来自clinicaltrials.gov,收录一项针对复发或转移性癌症患者的剂量递增研究,覆盖白血病、淋巴瘤及未指明成人实体瘤。研究旨在确定紫杉醇与卡铂联合方案经amifostine和filgrastim(G-CSF)调节后的最大耐受剂量,明确剂量限制性毒性,并观察抗肿瘤反应。数据可用于肿瘤治疗方案的剂量探索与毒性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:白血病、淋巴瘤、未指明成人实体瘤、方案特定。目的:I. 确定在复发或转移性癌症患者中,由amifostine和filgrastim(G-CSF)调节的紫杉醇与卡铂联合方案的最大耐受剂量。II. 确定该联合方案在这些患者中的剂量限制性毒性。III. 观察接受该联合方案治疗患者的任何抗肿瘤反应。大纲:这是一项紫杉醇的剂量递增研究。患者接受10分钟amifostine输注,随后紫杉醇静脉给药3小时,随后卡铂给药30分钟。Filgrastim(G-CSF)从次日起每日皮下自我给药,最多10天。治疗每28天重复一次,至少3个疗程,除非出现疾病进展或不可接受的毒性。出现剂量的患者
【主题与分类】
主题标签:Leukemia、Lymphoma。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00003294
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/NCT00003294
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
适应症:白血病、淋巴瘤、未明确类型的成人实体瘤、方案特异性。目的:I. 确定在复发或转移性癌症患者中,由氨磷汀和非格司亭(G-CSF)调节的紫杉醇与卡铂联合方案的最大耐受剂量。II. 确定该联合方案在这些患者中的剂量限制性毒性。III. 观察接受该联合方案治疗患者的任何抗肿瘤反应。方案概要:这是一项紫杉醇的剂量递增研究。患者先接受10分钟的氨磷汀输注,随后静脉给予紫杉醇3小时,再给予卡铂30分钟。非格司亭(G-CSF)从次日起每日皮下注射,自我给药,最长10天。治疗每28天重复一次,至少3个疗程,除非出现疾病进展或不可接受的毒性。在某一疗程出现剂量限制性毒性(DLT)的患者,在下一疗程及后续疗程中接受低一个剂量水平的治疗。疾病稳定的患者可继续治疗,只要显示出获益。
若前3例接受治疗的患者未出现DLT,则后续每组3例患者按相同方案接受递增剂量的紫杉醇治疗。若在某一剂量水平3例患者中有1例出现DLT,则在该剂量组追加3例患者。若再出现1例DLT,则该剂量为最大耐受剂量(MTD);若超过2例患者出现DLT,则在前一剂量水平追加3例患者。若6例患者中不超过2例出现DLT,则该剂量被视为MTD。在任何剂量下,出现3例DLT即停止该剂量组的招募。预计入组:本研究将在18个月内入组约24例患者。
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。




