高危鼻咽癌放化疗联合免疫治疗数据库
该数据集来自一项多中心、开放标签、随机对照试验,研究对象为高危鼻咽癌患者,旨在评估在诱导化疗后同步放化疗及辅助治疗基础上加用抗PD-1免疫治疗的疗效

基本信息
资源简介
高危鼻咽癌放化疗联合免疫治疗数据库
Database for high-risk nasopharyngeal carcinoma treated with chemoradiotherapy and immunotherapy
该数据集来自一项多中心、开放标签、随机对照试验,研究对象为高危鼻咽癌患者,旨在评估在诱导化疗后同步放化疗及辅助治疗基础上加用抗PD-1免疫治疗的疗效。数据涵盖患者基线特征、治疗细节以及生存与疾病状态终点的随访信息。可用于验证主要研究结论、探索亚组效应或生成新假设,具有较高的再利用价值(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集源自一项多中心、开放标签、随机对照试验,研究在诱导化疗后同步放化疗及辅助治疗基础上加用抗PD-1免疫治疗对高危鼻咽癌(NPC)患者的疗效。主要研究假设是,在同步放化疗期间及之后使用PD-1抑制剂强化治疗将显著降低该高危患者人群的疾病进展率并改善总生存结局。数据包括全面的患者基线特征、治疗细节以及生存和疾病状态终点的随访数据。该数据集具有显著的再利用潜力。研究人员可进行分析以验证主要发现、探索亚组效应或生成新假设。此外,它还可以作为
【主题与分类】
主题标签:Nasopharyngeal carcinoma、Clinical trials、Cancer immunotherapy。本站分类:肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A6e2a3a18b545786f4e06f3085f7d0182fe594a8fcfe3132ad21d9c4706fdd1cf
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
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
该数据集源自一项多中心、开放标签、随机对照试验,研究在高危鼻咽癌(NPC)患者中,于诱导化疗后同步放化疗及辅助治疗阶段加用抗PD-1免疫治疗的有效性。主要研究假设是,在同步放化疗期间及之后使用PD-1抑制剂强化治疗,将显著降低该高危患者人群的疾病进展率并改善总生存结局。数据包括全面的患者基线特征、治疗细节以及生存和疾病状态终点的随访数据。该数据集具有显著的重用潜力。研究人员可进行分析以验证主要发现、探索亚组效应或产生新的假设。
此外,它还可作为开发或验证生存分析新型统计方法或预后模型的基准,, , # 接受放化疗和免疫治疗的高危鼻咽癌数据库 数据集DOI:10.5061/dryad.3j9kd51zg ## 数据及文件结构说明 本数据集来源于一项多中心、开放标签、随机对照试验,该试验旨在研究在高危鼻咽癌患者的诱导化疗后同步放化疗及辅助治疗基础上加用抗PD-1免疫治疗的疗效。 ### 文件与变量 #### 文件:Database_for_High-Risk_Nasopharyngeal_Carcinoma_Treated_with_Chemoradiotherapy_and_Immunotherapy.xlsx 描述: 主要数据集以单个Excel文件形式提供。各变量描述如下。本数据集中的缺失数据以“NA”表示。 ##### 变量 * No.:患者ID * center:患者接受治疗的医疗中心,每个数字代表一家医院 * TNM stage:癌症的TNM分期分类
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。




