LDRT联合特瑞普利单抗与化疗治疗复发/转移性鼻咽癌
该数据集来自 clinicaltrials.gov，围绕一项前瞻性、开放标签、单臂 II 期临床试验，评估低剂量放疗（LDRT）联合特瑞普利单抗与 GP 化疗在复发或转移性鼻咽癌患者中的疗效与安全性
基本信息
资源简介
LDRT联合特瑞普利单抗与化疗治疗复发/转移性鼻咽癌
该数据集对应一项在 clinicaltrials.gov 登记的临床研究，英文名称为 LDRT Combined With Toripalimab and Chemotherapy for Recurrent/Metastatic NPC，本站归类为肿瘤 / 其他。研究针对鼻咽癌（Nasopharyngeal Cancinoma，NPC；亦写作 Nasopharangeal Cancer），采用前瞻性、开放标签、单臂 II 期临床试验设计，评估低剂量放疗（LDRT）联合特瑞普利单抗与 GP 化疗在复发或转移性鼻咽癌患者中的疗效与安全性。数据集围绕该试验形成，主题标签覆盖鼻咽癌相关英文名称，可为关注鼻咽癌免疫联合治疗与放疗联合策略的研究者提供与该试验相关的信息来源。
【数据集背景】
鼻咽癌在复发或转移阶段的治疗选择与预后管理是临床关注的重点。该数据集所依托的研究聚焦低剂量放疗（LDRT）与特瑞普利单抗及 GP 化疗的联合应用，试图通过前瞻性、开放标签、单臂 II 期临床试验设计，系统观察这一联合方案在复发或转移性鼻咽癌患者中的表现。研究目标明确指向疗效与安全性两个维度，属于肿瘤治疗领域的临床研究数据资源。
【数据内容】
该数据集的内容围绕上述临床试验展开，主题标签为 Nasopharyngeal Cancinoma (NPC) 与 Nasopharangeal Cancer，指向鼻咽癌这一疾病对象。源站描述提及研究条件包括鼻咽癌，并说明研究旨在评估 LDRT 联合特瑞普利单抗与 GP 化疗在复发或转移性鼻咽癌患者中的疗效与安全性。除这些研究层面的描述外，具体数据字段、变量构成与记录粒度源站未提供。
【采集与来源】
数据来源站为 clinicaltrials.gov，即该试验的注册登记平台。研究采用前瞻性、开放标签、单臂 II 期临床试验设计，受试对象为复发或转移性鼻咽癌患者。关于样本量、采集时间窗、随访安排及具体采集流程，源站未提供。
【适用场景】
该数据集适用于与复发或转移性鼻咽癌治疗研究相关的信息查阅与背景调研，可帮助研究者了解 LDRT 联合特瑞普利单抗及 GP 化疗这一联合方案在 II 期临床试验框架下的研究定位与评价方向。其主题标签亦便于在肿瘤分类下按鼻咽癌相关关键词进行检索与归类。更具体的分析用途与适用边界源站未提供。
【使用方法】
该数据集来自 clinicaltrials.gov 的试验登记信息，使用时可结合研究标题与源站描述理解其研究设计与评价目标。关于数据下载方式、访问接口、字段说明及分析操作指引，源站未提供。
【质量与限制】
该研究为单臂、开放标签设计，源站描述未提及对照组设置。关于数据完整性、偏倚控制、样本规模及统计方法等质量相关信息，源站未提供。使用时应注意其研究设计特征对结论外推的影响，具体限制条件源站未提供。
【引用与许可】
该数据集来源站为 clinicaltrials.gov。关于引用格式、许可条款与使用授权要求，源站未提供。
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/NCT07325539
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
条件：鼻咽癌（NPC）、鼻咽癌。本研究旨在通过一项前瞻性、开放标签、单臂II期临床试验，评估低剂量放疗（LDRT）联合特瑞普利单抗及GP化疗在复发或转移性鼻咽癌患者中的疗效与安全性。
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。
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。
