氟唑帕利联合同步放化疗治疗泛实体瘤的临床研究
适应症：PARP 抑制剂用于食管鳞状细胞癌。本研究是一项前瞻性、多队列、单中心、II 期临床试验，旨在初步探索氟唑帕利序贯联合同步放化疗在泛实体瘤中的疗效与安全性
基本信息
资源简介
氟唑帕利联合同步放化疗治疗泛实体瘤的临床研究
该数据集英文名为 A Clinical Study of Chemoradiotherapy Sequential Fluzoparib in Pan-solid Tumors，本站归类为肿瘤 / 肺癌，来源站为 clinicaltrials.gov。其源站描述显示，该研究关注 PARP 抑制剂用于食管鳞状细胞癌，是一项前瞻性、多队列、单中心、II 期临床试验，旨在初步探索氟唑帕利序贯联合同步放化疗在泛实体瘤中的疗效与安全性。研究面向未经治疗、可手术切除的直肠癌患者，以及未经治疗的局部晚期不可切除非小细胞肺癌、食管鳞癌和宫颈癌患者。主题标签为 PARP Inhibitor for Esophageal Squamous Cell Carcinoma。整体而言，该数据集围绕泛实体瘤中氟唑帕利序贯放化疗的临床研究信息展开，可用于了解该试验的基本设计与适用人群。
【数据集背景】
该数据集来源于 clinicaltrials.gov，对应一项关于氟唑帕利序贯联合同步放化疗在泛实体瘤中应用的临床研究。源站描述指出，研究关注 PARP 抑制剂用于食管鳞状细胞癌，并采用前瞻性、多队列、单中心、II 期临床试验设计，目标是初步探索该治疗策略的疗效与安全性。研究涉及多种实体瘤人群，包括未经治疗且可手术切除的直肠癌患者，以及未经治疗的局部晚期不可切除非小细胞肺癌、食管鳞癌和宫颈癌患者。本站将其归入肿瘤 / 肺癌分类，主题标签为 PARP Inhibitor for Esophageal Squamous Cell Carcinoma。
【数据内容】
源站描述所提供的内容主要包括研究性质、研究阶段、研究目的和适用患者人群。研究性质为前瞻性、多队列、单中心临床试验，研究阶段为 II 期，研究目的是初步探索氟唑帕利序贯联合同步放化疗在泛实体瘤中的疗效与安全性。适用人群涵盖未经治疗的可手术切除直肠癌患者，以及未经治疗的局部晚期不可切除非小细胞肺癌、食管鳞癌和宫颈癌患者。除上述信息外，源站未提供具体数据字段、变量列表或统计指标。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。源站描述未提供具体的采集方法、采集时间范围、样本量、随访安排或数据提取流程，源站未提供。
【适用场景】
基于源站描述，该数据集可用于了解一项针对泛实体瘤的 II 期临床研究的基本设计，包括其前瞻性、多队列、单中心特征，以及氟唑帕利序贯联合同步放化疗这一治疗策略的研究目的。也可用于识别该研究涉及的瘤种人群，如食管鳞癌、非小细胞肺癌、直肠癌和宫颈癌。关于更具体的适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式、数据结构说明或分析指引。
【质量与限制】
源站描述未提供数据质量评估、完整性说明、偏倚控制或验证信息。该数据集当前可见信息以研究描述为主，缺少可直接用于统计分析的字段与指标说明，源站未提供相关细节。
【引用与许可】
源站未提供引用格式、许可条款或使用限制说明。
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/NCT06055166
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：PARP抑制剂用于食管鳞状细胞癌。本研究是一项前瞻性、多队列、单中心、II期临床试验，旨在初步探索氟唑帕利序贯放化疗在泛实体瘤中的疗效和安全性。本研究针对未经治疗的可手术切除的直肠癌患者，以及未经治疗的局部晚期不可切除的非小细胞肺癌、食管鳞癌和宫颈癌患者。
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。
