肺癌生存数据:PFS 与 OS 一致性研究

该数据集来自 Salah Azaiez Institute(突尼斯)的肺癌患者真实世界临床数据,用于评估无进展生存期(PFS)与总生存期(OS)之间的一致性

figsharefigshare
datacite
浏览 9
其他预测Cancer diagnosis
Survival Data PFS vs OS

基本信息

模态
其他
任务类型
预测
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-10-17

资源简介

肺癌生存数据:PFS 与 OS 一致性研究

Survival Data PFS vs OS

该数据集来自 Salah Azaiez Institute(突尼斯)的肺癌患者真实世界临床数据,用于评估无进展生存期(PFS)与总生存期(OS)之间的一致性。源站描述指出,PFS 常作为 OS 的替代终点以加速肿瘤试验评估,但其统计有效性依赖具体情境,在包括肺癌在内的某些癌种中尚不明确。该数据可用于生存分析建模与替代终点验证研究(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。

【数据集背景】

源站首次发布:2025。

【数据内容】

源站描述(机器翻译,仅供参考):无进展生存期(PFS)常被用作肿瘤试验中总生存期(OS)的替代终点,以加快评估流程。然而,其作为替代终点的统计有效性仍取决于具体情境,在包括肺癌在内的某些癌种中尚不明确。在本研究中,我们提出一个全面的统计框架,利用来自突尼斯 Salah Azaiez Institute 的肺癌患者真实世界临床数据集,评估 PFS 与 OS 之间的一致性。

【主题与分类】

主题标签:Cancer diagnosis。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://figshare.com/articles/dataset/Survival_Data_PFS_vs_OS/29554535/1

使用许可:Creative Commons Attribution 4.0 International。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://doi.org/10.6084/m9.figshare.29554535.v1

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

无进展生存期(PFS)常被用作肿瘤学试验中总生存期(OS)的替代终点,以加快评估进程。然而,其作为替代终点的统计学有效性仍取决于具体情境,并且在包括肺癌在内的某些癌症类型中尚缺乏充分确立。在本研究中,我们提出一个全面的统计学框架,利用来自突尼斯Salah Azaiez研究所的肺癌患者真实世界临床数据集,评估PFS与OS之间的一致性。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案