左氧氟沙星预防实体瘤或淋巴瘤化疗后感染
该数据集来自 clinicaltrials.gov,主题为左氧氟沙星预防实体瘤或淋巴瘤患者化疗后感染。覆盖脑与中枢神经系统肿瘤、乳腺癌、性腺外生殖细胞瘤、感染、肺癌、淋巴瘤、卵巢癌、小肠癌等病种

基本信息
资源简介
左氧氟沙星预防实体瘤或淋巴瘤化疗后感染
该数据集来自 clinicaltrials.gov,主题为左氧氟沙星预防实体瘤或淋巴瘤患者化疗后感染。覆盖脑与中枢神经系统肿瘤、乳腺癌、性腺外生殖细胞瘤、感染、肺癌、淋巴瘤、卵巢癌、小肠癌等病种。研究为随机、双盲、多中心设计,按年龄、癌症类型和参与中心分层,患者随机分入两组,比较预防性口服左氧氟沙星与对照在降低临床感染率方面的作用。可用于化疗后感染风险预测与预防性抗菌治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脑与中枢神经系统肿瘤、乳腺癌、性腺外生殖细胞瘤、感染、肺癌、淋巴瘤、卵巢癌、小肠癌。目的: 确定预防性使用左氧氟沙星是否能降低接受骨髓抑制性抗肿瘤化疗的实体瘤或淋巴瘤患者的临床感染率。概要:这是一项随机、双盲、多中心研究。患者按年龄(40岁以下 vs 40-59岁 vs 60岁及以上)、癌症类型(非霍奇金淋巴瘤 vs 霍奇金淋巴瘤 vs 乳腺癌 vs 生殖细胞瘤 vs 小细胞肺癌 vs 其他)和参与中心进行分层。患者被随机分配到2个治疗组中的1组。 第I组:患者在每轮化疗预期的中性粒细胞最低点期间,连续7天每日一次口服左氧氟沙星。* 第II组:患者接受口服安慰剂。
【主题与分类】
主题标签:Brain and Central Nervous System Tumors、Breast Cancer、Extragonadal Germ Cell Tumor、Infection、Lung Cancer、Lymphoma、Ovarian Cancer、Small Intestine Cancer、Testicular Germ Cell Tumor。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00005590
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/NCT00005590
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:脑及中枢神经系统肿瘤、乳腺癌、性腺外生殖细胞肿瘤、感染、肺癌、淋巴瘤、卵巢癌、小肠癌。目的:* 确定预防性使用左氧氟沙星是否能降低接受骨髓抑制性抗肿瘤化疗的实体瘤或淋巴瘤患者的临床感染率。方案概述:这是一项随机、双盲、多中心研究。患者根据年龄(40岁以下 vs 40-59岁 vs 60岁及以上)、癌症类型(非霍奇金淋巴瘤 vs 霍奇金淋巴瘤 vs 乳腺癌 vs 生殖细胞肿瘤 vs 小细胞肺癌 vs 其他)以及参与中心进行分层。患者随机分配至2个治疗组之一。* 第一组:患者在每轮化疗预期的中性粒细胞最低点期间,连续7天每日口服左氧氟沙星一次。* 第二组:与第一组相同,患者连续7天每日口服安慰剂一次。若无不可接受的副作用或过敏反应,或后续疗程中无明确持续预防性使用抗菌药物的指征,两组的治疗均持续最多6个疗程。
预计入组人数:本研究将在3年内共入组1,500名患者(每组750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。




