Radium-223 Dichloride 长期随访项目

该数据集来自 clinicaltrials.gov,为 Radium-223 Dichloride 的长期随访研究,入组对象由选定的公司赞助介入试验转入

BayerBayer
clinicaltrials
浏览 11
其他预测Neoplasm Metastasis / Bone and Bones
Radium-223 Dichloride Long-term Follow-up Program

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-20

资源简介

Radium-223 Dichloride 长期随访项目

该数据集来自 clinicaltrials.gov,为 Radium-223 Dichloride 的长期随访研究,入组对象由选定的公司赞助介入试验转入。研究覆盖肿瘤转移与骨及骨骼相关情况,主要评估长期安全性、白血病与骨髓增生异常综合征等新发恶性肿瘤及骨骨折和骨相关事件的发生率,并关注接受细胞毒性化疗者的发热性中性粒细胞减少与出血。可用于长期安全性监测与不良事件发生率分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肿瘤转移 / 骨与骨骼。这项长期随访研究将入组从选定的、由公司赞助的 radium-223 dichloride 介入试验( feeder trials)中转出的受试者。主要目标是确定 radium-223 dichloride 的长期安全性特征(直至 radium-223 dichloride 末次给药后 7 年);评估白血病、骨髓增生异常综合征、再生障碍性贫血和原发性骨癌或任何其他新发原发性恶性肿瘤的发生率;评估骨骨折和骨相关事件(如骨质疏松)的发生率;以及在接受细胞毒性化疗的受试者中,评估其化疗治疗期间及之后最多 6 个月内发热性中性粒细胞减少和出血的发生率,频率基于当地临床实践。

【主题与分类】

主题标签:Neoplasm Metastasis / Bone and Bones。本站分类:肿瘤/白血病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02312960

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT02312960

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

条件:肿瘤转移/骨骼。这项长期随访研究将纳入从选定的由公司申办的氯化镭-223介入试验( feeder 试验)中转出的受试者。主要目标是确定氯化镭-223的长期安全性特征(直至氯化镭-223末次给药后7年);评估白血病、骨髓增生异常综合征、再生障碍性贫血和原发性骨癌或任何其他新发原发性恶性肿瘤的发生率;评估骨折和骨相关事件(如骨质疏松症)的发生率;以及对于接受细胞毒性化疗的受试者,评估在其化疗期间及此后长达6个月内,按照当地临床实践确定的频率,发热性中性粒细胞减少症和出血的发生率。

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。

获取专属数据定制方案