塞来昔布治疗晚期癌症患者疼痛、体重下降和虚弱的研究
该数据集来自 clinicaltrials.gov,收录一项关于塞来昔布(celecoxib)对比安慰剂用于晚期癌症患者的临床试验信息

基本信息
资源简介
塞来昔布治疗晚期癌症患者疼痛、体重下降和虚弱的研究
该数据集来自 clinicaltrials.gov,收录一项关于塞来昔布(celecoxib)对比安慰剂用于晚期癌症患者的临床试验信息。覆盖的病症包括恶病质、淋巴瘤、黑色素瘤(皮肤)、卵巢癌、疼痛、肉瘤及未明确成人实体瘤。研究主要比较症状负担与功能状态(FACT-G 身体舒适度子量表),次要比较疼痛(Brief Pain Inventory)、阿片类镇痛药需求(口服吗啡等效剂量)、体重下降、生活质量(FACT-G)、中位生存期及塞来昔布的毒性。可用于分析塞来昔布在晚期癌症支持治疗中的潜在作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:恶病质、淋巴瘤、黑色素瘤(皮肤)、卵巢癌、疼痛、肉瘤、未明确成人实体瘤、方案特定。目的:主要 比较接受塞来昔布与安慰剂治疗的晚期癌症患者的症状负担和功能状态,通过癌症治疗功能评估-通用版(FACT-G)的身体健康子量表测量。次要 比较接受这些药物治疗的患者的疼痛,通过简明疼痛量表测量。 比较接受这些药物治疗的患者对阿片类镇痛药的需求,通过所用镇痛药的口服吗啡等效剂量测量。 比较接受这些药物治疗的患者的体重下降。 比较接受这些药物治疗的患者的生活质量,通过FACT-G测量。 比较接受这些药物治疗的患者的中位生存期。 * 确定塞来昔布在这些患
【主题与分类】
主题标签:Cachexia、Lymphoma、Melanoma (Skin)、Ovarian Cancer、Pain、Sarcoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00093678
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/NCT00093678
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
病症:恶病质、淋巴瘤、黑色素瘤(皮肤)、卵巢癌、疼痛、肉瘤、未明确的成人实体瘤、特定方案。目的:主要 * 比较接受塞来昔布与安慰剂治疗的晚期癌症患者,通过癌症治疗功能评估-通用量表(FACT-G)的身体健康子量表测量的症状负担和功能状态。次要 * 比较使用这些药物治疗的患者的疼痛,通过简明疼痛量表测量。 * 比较使用这些药物治疗的患者对阿片类镇痛药的需求,通过所用镇痛药的口服吗啡当量测量。 * 比较使用这些药物治疗的患者的体重下降情况。 * 比较使用这些药物治疗的患者的生活质量,通过FACT-G测量。 * 比较使用这些药物治疗的患者的中位生存期。 * 确定塞来昔布在这些患者中的毒性。大纲:这是一项随机、双盲、安慰剂对照、多中心研究。
患者根据ECOG体能状态(0或1 vs 2或3)、过去2周内是否需要阿片类镇痛药(是 vs 否)以及体重减轻占基线体重的百分比(< 5% vs ≥ 5%)进行分层。患者随机分配到2个治疗组中的1组。* 第一组:患者每日两次口服塞来昔布。* 第二组:患者每日两次口服安慰剂。两组均在出现不可接受的毒性反应时停止治疗。在基线时以及第2、6和12周评估生活质量。患者每3个月随访一次,持续2年,之后每6个月随访一次,持续1年。预计入组人数:本研究将在2年内共入组296名患者(每组148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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




