紫杉醇联合或不联合Cixutumumab作为转移性食管癌或胃食管交界癌二线治疗
该数据集来自clinicaltrials.gov,收录紫杉醇联合或不联合Cixutumumab(IMC-A12)作为转移性食管癌或胃食管交界癌二线治疗的临床试验信息

基本信息
资源简介
紫杉醇联合或不联合Cixutumumab作为转移性食管癌或胃食管交界癌二线治疗
该数据集来自clinicaltrials.gov,收录紫杉醇联合或不联合Cixutumumab(IMC-A12)作为转移性食管癌或胃食管交界癌二线治疗的临床试验信息。覆盖转移性及复发性食管腺癌、食管鳞状细胞癌、胃食管交界腺癌及IV期食管癌(AJCC v7)等病种。主要目的为评估联合方案与单药紫杉醇的无进展生存期,次要目的包括总生存期、缓解率及毒性。可用于肿瘤治疗方案的疗效与安全性预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:转移性食管腺癌、转移性食管鳞状细胞癌、转移性胃食管交界腺癌、复发性食管腺癌、复发性食管癌、复发性食管鳞状细胞癌、复发性胃食管交界腺癌、IV期食管癌AJCC v7。主要目的:I. 评估紫杉醇联合Cixutumumab(IMC-A12)对比紫杉醇单药作为转移性食管癌或胃食管(GE)交界癌患者二线治疗的无进展生存期。次要目的:I. 评估该患者人群中紫杉醇联合Cixutumumab(IMC-A12)对比紫杉醇单药的总生存期。II. 评估该患者人群中紫杉醇联合Cixutumumab(IMC-A12)对比紫杉醇单药的缓解率。III. 评估Cixutumumab的毒性
【主题与分类】
主题标签:Metastatic Esophageal Adenocarcinoma、Recurrent Esophageal Adenocarcinoma、Recurrent Esophageal Carcinoma、Stage IV Esophageal Cancer AJCC v7。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01142388
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/NCT01142388
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
疾病状态:转移性食管腺癌、转移性食管鳞状细胞癌、转移性胃食管结合部腺癌、复发性食管腺癌、复发性食管癌、复发性食管鳞状细胞癌、复发性胃食管结合部腺癌、AJCC第7版IV期食管癌。主要目标:I. 评估紫杉醇联合西妥木单抗(IMC-A12)与单用紫杉醇作为转移性食管癌或胃食管结合部癌患者二线治疗的无进展生存期。次要目标:I. 评估该患者人群中紫杉醇联合西妥木单抗(IMC-A12)与单用紫杉醇的总生存期。II. 评估该患者人群中紫杉醇联合西妥木单抗(IMC-A12)与单用紫杉醇的缓解率。III. 评估该患者人群中西妥木单抗(IMC-A12)联合紫杉醇与单用紫杉醇的毒性。IV.
探索性分析将评估从血清样本中获取的潜在相关cixutumumab(IMC-A12)药效学生物标志物,包括但不限于胰岛素样生长因子(IGF)-I、IGF-II、胰岛素样生长因子结合蛋白(IGFBP)-2和IGFBP-3。研究大纲:患者按1:1比例随机分配至2个治疗组中的1组。第I组:患者在每个28天周期的第1、8和15天接受紫杉醇静脉注射(IV),输注时间为1小时,剂量为80 mg/m^2。第II组:患者在每个28天周期的第1和15天接受cixutumumab静脉注射,输注时间为1小时,剂量为10 mg/kg,并按第I组方案接受紫杉醇治疗。两组均在无疾病进展或不可接受毒性的情况下,每28天重复一个疗程。研究治疗完成后,患者每3个月随访一次,持续2年。
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。




