鼻咽癌严重骨髓抑制动态风险预测

该数据集来自 clinicaltrials.gov,为多中心、前瞻性、观察性队列研究,针对接受系统治疗的鼻咽癌患者,评估已开发的严重治疗相关骨髓抑制动态风险预测模型

Nanfang Hospital, Southern Medical UniversityNanfang Hospital, Southern Medical University
clinicaltrials
浏览 7
其他预测Nasopharyngeal Carcinoma (NPC)Myelosuppression
Dynamic Risk Prediction of Severe Myelosuppression in Nasopharyngeal Carcinoma

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-20

资源简介

鼻咽癌严重骨髓抑制动态风险预测

该数据集来自 clinicaltrials.gov,为多中心、前瞻性、观察性队列研究,针对接受系统治疗的鼻咽癌患者,评估已开发的严重治疗相关骨髓抑制动态风险预测模型。模型用于估计治疗期间3级及以上贫血、血小板减少、白细胞减少或中性粒细胞减少的风险。研究连续入组经组织学确诊的成人鼻咽癌患者,在每个系统治疗周期前采集常规临床与实验室数据以生成更新的风险预测,并随访整个系统治疗期间及末次治疗后28天。数据可用于验证和评估该动态风险预测模型的表现(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:鼻咽癌(NPC)、骨髓抑制。这项多中心、前瞻性、观察性队列研究旨在评估一个先前开发的动态风险预测模型,用于预测接受系统治疗的鼻咽癌患者发生严重治疗相关骨髓抑制的风险。该模型设计用于估计治疗期间3级或以上贫血、血小板减少和白细胞减少或中性粒细胞减少的风险。符合条件且经组织学确诊的鼻咽癌成人患者将在参与中心连续入组。在每个系统治疗周期之前,将收集常规可用的临床和实验室数据,并用于生成更新的风险预测。患者将在整个系统治疗期间以及末次治疗后28天内接受随访。这是一项观察性研究。治疗和支持性护理将……

【主题与分类】

主题标签:Nasopharyngeal Carcinoma (NPC)、Myelosuppression。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07819656

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://clinicaltrials.gov/study/NCT07819656

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

疾病:鼻咽癌(NPC)、骨髓抑制。本多中心、前瞻性、观察性队列研究旨在评估既往开发的动态风险预测模型,用于预测接受全身治疗的鼻咽癌患者发生严重治疗相关骨髓抑制的风险。该模型旨在估计治疗期间发生3级或以上贫血、血小板减少症以及白细胞减少症或中性粒细胞减少症的风险。符合条件的、经组织学确诊为鼻咽癌的成年患者将在参与中心连续入组。在每个全身治疗周期前,将收集常规可获得的临床和实验室数据,并用于生成更新的风险预测。患者将在整个全身治疗期间及末次治疗后28天内接受随访。本研究为观察性研究。治疗和支持治疗将由主治医师根据常规临床实践决定。模型预测仅用于研究评估,不用于指导或改变患者治疗。

该研究将在多个中心评估该模型的预测性能和临床适用性。

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。

获取专属数据定制方案