评估JNJ-42756493在晚期或难治性实体瘤或淋巴瘤成人受试者中的安全性、药代动力学和药效学研究
该数据集来自clinicaltrials.gov,聚焦肿瘤与肺癌领域,收录一项关于JNJ-42756493在晚期或难治性实体瘤或淋巴瘤成人受试者中的安全性、药代动力学和药效学研究

基本信息
资源简介
评估JNJ-42756493在晚期或难治性实体瘤或淋巴瘤成人受试者中的安全性、药代动力学和药效学研究
该数据集来自clinicaltrials.gov,聚焦肿瘤与肺癌领域,收录一项关于JNJ-42756493在晚期或难治性实体瘤或淋巴瘤成人受试者中的安全性、药代动力学和药效学研究。研究为首次人体、非随机、开放标签、多中心I期试验,分为4个部分,包括剂量递增阶段和剂量确认阶段,涉及药代动力学、药效动力学及安全性评估,并包含治疗前后肿瘤活检队列。可用于分析药物剂量与生物学效应关系、安全性特征及潜在II期推荐剂量(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肿瘤或淋巴瘤。这是一项首次人体、非随机(个体不会按机会被分配到研究治疗)、开放标签(个体将知道研究治疗的身份)、多中心(超过1家医院参与研究)的I期研究。该研究由4部分组成。第1部分是剂量递增阶段,将由药代动力学、药效动力学和安全性指导。在第1部分中,将主要评估JNJ-42756493安全且具有生物学活性的II期剂量(推荐的II期剂量[RP2D])。受试者将按顺序入组队列(第一个队列将接受起始剂量,后续队列将接受增加的JNJ-42756493剂量)。第2部分是剂量确认阶段,由治疗前和治疗后肿瘤活检队列组成,以根据JNJ-42756493对成纤维细胞的药效动力学效应确认RP2D
【主题与分类】
主题标签:Tumor or Lymphoma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01703481
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/NCT01703481
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:肿瘤或淋巴瘤。这是一项首次人体、非随机(受试者不会按偶然性分配至研究治疗)、开放标签(受试者将知晓研究治疗的身份)、多中心(超过1家医院参与研究)的1期研究。该研究包括4个部分。第1部分为剂量递增阶段,将以药代动力学、药效学和安全性为指导。在第1部分中,将主要评估JNJ-42756493安全且具有生物学活性的2期剂量(推荐2期剂量[RP2D])。受试者将按序纳入队列(首个队列将接受起始剂量,后续队列将接受递增剂量的JNJ-42756493)。第2部分为剂量确认阶段,包括治疗前和治疗后肿瘤活检队列,以根据JNJ-42756493对肿瘤中成纤维细胞生长因子受体(FGFR)信号通路的药效学作用确认RP2D。第3部分为第一个剂量扩展阶段,旨在评估第一个RP2D下的入选生物标志物和初步临床活性。
该研究包括4个扩展队列,分别针对鳞状细胞肺癌、小细胞肺癌、乳腺癌和其他实体瘤(队列A、B、C和D)。第4部分为第二个剂量扩展阶段,旨在评估入选生物标志物及第二个RP2D下的初步临床活性。生物标志物入选标准也已根据新出现的数据进行了细化。该部分包括2个扩展队列,队列E为非小细胞肺癌,队列F为选定实体瘤,包括乳腺癌、尿路上皮癌、GBM、卵巢癌、头颈癌、食管癌、胃癌和胆管癌(队列E和F)。部分队列可能因入组不足或无效而停止入组。该研究预计大约需要48个月完成。将在整个研究期间监测参与者的安全性。
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。




