Tinostamustine治疗晚期实体瘤的安全性、药代动力学和疗效研究
该数据集来自clinicaltrials.gov,收录一项多中心、开放标签的1/2期研究,评估单药EDO-S101(Tinostamustine)在晚期实体瘤患者中的安全性、耐受性、最大耐受剂量、推荐2期剂量及药代动力学,并评估推荐2期剂量的总体缓解率及4或6个月疾病稳定率

基本信息
资源简介
Tinostamustine治疗晚期实体瘤的安全性、药代动力学和疗效研究
该数据集来自clinicaltrials.gov,收录一项多中心、开放标签的1/2期研究,评估单药EDO-S101(Tinostamustine)在晚期实体瘤患者中的安全性、耐受性、最大耐受剂量、推荐2期剂量及药代动力学,并评估推荐2期剂量的总体缓解率及4或6个月疾病稳定率。覆盖小细胞肺癌、软组织肉瘤、三阴性乳腺癌、卵巢癌和子宫内膜癌,可用于肿瘤治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:小细胞肺癌、软组织肉瘤、三阴性乳腺癌、卵巢癌、子宫内膜癌。该研究包含2个阶段和2个子研究:这是一项多中心、开放标签的1/2期研究,研究对象为晚期实体瘤受试者,使用单药EDO-S101。研究的1期部分旨在确定EDO-S101作为单药在至少接受过一线(1)治疗后进展且无其他已证实临床获益的标准治疗可用的实体瘤患者中的安全性、耐受性、最大耐受剂量(MTD)、推荐2期剂量(RP2D)和药代动力学(PK)。研究的2期部分旨在评估RP2D的总体缓解率(ORR),以及根据实体瘤类型在4或6个月时疾病稳定(SD)患者的比例。RP2D是在之后确定的
【主题与分类】
主题标签:Small Cell Lung Cancer、Soft Tissue Sarcoma、Triple-negative Breast Cancer、Ovarian Cancer、Endometrial Cancer。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03345485
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/NCT03345485
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
适应症:小细胞肺癌、软组织肉瘤、三阴性乳腺癌、卵巢癌、子宫内膜癌。本研究包括2个阶段和2个子研究:这是一项多中心、开放标签的1/2期研究,评估单药EDO-S101在晚期实体瘤受试者中的效果。研究的1期部分旨在确定EDO-S101作为单药在至少接受过一线(1)治疗后进展且无其他已证实临床获益的标准治疗可用的实体瘤患者中的安全性、耐受性、最大耐受剂量(MTD)、推荐2期剂量(RP2D)及药代动力学(PK)。研究的2期部分旨在评估RP2D的总体缓解率(ORR),以及根据实体瘤类型在4或6个月时疾病稳定(SD)患者的比例。1期后确定RP2D为80 mg/m2的EDO-S101,在每个4周治疗周期的第1天和第15天经1小时给药。
此外,设计了两项子研究以更好地表征EDO-S101的效果:一项为60 mg/m²剂量、60分钟内给药,另一项为80 mg/m²剂量、80分钟内给药,旨在评估其对实体瘤受试者心脏复极化(QTc)及其他心电图参数的影响。受试者若经组织学确诊为实体瘤、签署知情同意书并符合入选/排除标准,则有资格参加这些研究。在提供知情同意后,对受试者进行筛选,所有程序均按方案执行。
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。




