化疗和放疗联合或不联合Epoetin Alfa治疗IIIA或IIIB期非小细胞肺癌患者
该数据集来自clinicaltrials.gov，聚焦IIIA或IIIB期非小细胞肺癌患者，研究化疗和放疗联合或不联合Epoetin Alfa的疗效与安全性
基本信息
资源简介
化疗和放疗联合或不联合Epoetin Alfa治疗IIIA或IIIB期非小细胞肺癌患者
该数据集来自clinicaltrials.gov，聚焦IIIA或IIIB期非小细胞肺癌患者，研究化疗和放疗联合或不联合Epoetin Alfa的疗效与安全性。覆盖维持血红蛋白水平、局部和全身进展时间、肿瘤缓解率、总生存期、毒性、生活质量及输血次数等指标。数据可用于比较两种治疗方案在血液学管理、肿瘤控制及患者报告结局方面的差异，支持疗效预测与临床决策分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：肺癌。目的： 确定Epoetin Alfa在IIIA或IIIB期非小细胞肺癌患者接受放化疗时维持血红蛋白水平的疗效。 比较接受放化疗联合或不联合Epoetin Alfa患者的局部和全身进展时间。 比较接受这些方案治疗患者的肿瘤缓解率和总生存期。 比较这些方案在这些患者中的毒性。 比较接受这些方案治疗患者的生活质量。 比较接受这些方案治疗患者的输血次数。概要：这是一项随机、多中心研究。患者根据Karnofsky体能状态（90-100% vs 60-80%）、体重下降（不超过5% vs 6-10%）和基线血红蛋白（女性11.0-12.4 g/dL和男性11.0-13.4 g/dL vs 女性12.5-15.0 g/dL
【主题与分类】
主题标签：Lung Cancer。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00028938
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/NCT00028938
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
疾病：肺癌。目的：* 确定在IIIA或IIIB期非小细胞肺癌患者接受化放疗时，应用α-促红素维持血红蛋白水平的有效性。* 比较接受化放疗联合或不联合α-促红素治疗的患者局部和全身进展的时间。* 对比这些方案治疗患者的肿瘤反应率和总生存期。* 比较这些方案在这些患者中的毒性。* 对比接受这些方案治疗患者的生活质量。* 比较接受这些方案治疗患者的输血次数。概述：这是一项随机、多中心研究。患者根据卡氏体能状态（90-100%对60-80%）、体重下降（不超过5%对6-10%）以及基线血红蛋白水平（女性11.0-12.4 g/dL及男性11.0-13.4 g/dL对女性12.5-15.0 g/dL及男性13.5-15.0 g/dL）进行分层。患者随机分配到2个治疗组之一。* 组I：在化放疗开始前7-10天起，患者每周皮下注射α-促红素一次，持续8周。
患者每周接受1小时紫杉醇静脉注射和30分钟卡铂静脉注射，连续7周。患者每周接受5天放疗，连续7周，共33次治疗。在无疾病进展或不可接受的毒性反应的情况下，治疗继续进行。* 第二组：患者接受与第一组相同的紫杉醇、卡铂和放疗。生活质量在基线时、放化疗完成时、1年内每3个月、1年内每4个月，之后3年内每6个月进行评估。患者随访1年内每3个月、1年内每4个月，之后3年内每6个月。预计入组：本研究将在1.7-2年内共入组202-232名患者（每个治疗组101-116名）。
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。
