PD-1抑制剂联合化疗后即刻与挽救性局部放疗对比的初诊转移性鼻咽癌研究
该数据集来自clinicaltrials.gov，聚焦初诊转移性鼻咽癌（NPC）的治疗策略比较。研究背景为PD-1抑制剂联合吉西他滨和顺铂（GP）已成为转移性NPC的标准一线治疗，但在其基础上加用即刻局部放疗的生存获益尚不明确
基本信息
资源简介
PD-1抑制剂联合化疗后即刻与挽救性局部放疗对比的初诊转移性鼻咽癌研究
该数据集对应一项来自clinicaltrials.gov的III期随机试验，聚焦初诊转移性鼻咽癌（NPC）的治疗策略比较。鼻咽癌在中国南方高发，约15%的患者在确诊时即存在远处转移。PD-1抑制剂联合吉西他滨和顺铂（GP）已成为转移性NPC的标准一线治疗，但在该方案基础上加用即刻局部放疗能否带来生存获益尚不明确。该试验旨在比较PD-1抑制剂联合GP后即刻局部放疗与挽救性局部放疗的疗效，以判断挽救性放疗在生存方面是否非劣于即刻放疗，同时减少毒性。数据集主题标签为鼻咽癌与远处转移，本站归类为肿瘤/其他。
【数据集背景】
鼻咽癌在中国南方地区高度流行，初诊时约15%的患者已出现远处转移。对于转移性NPC，PD-1抑制剂联合吉西他滨和顺铂（GP）已经确立为标准一线治疗方案。然而，在这一全身治疗基础上，局部区域放疗的介入时机仍存在争议：即刻局部放疗能否在标准一线治疗之上进一步改善生存，目前尚不确定。该III期随机试验正是针对这一临床问题设计，通过比较即刻与挽救性局部区域放疗两种策略，评估挽救性放疗是否非劣于即刻放疗，并考察其降低毒性的潜力。
【数据内容】
该数据集围绕初诊转移性鼻咽癌（De Novo Metastatic NPC）的治疗策略比较展开，核心变量涉及PD-1抑制剂联合GP化疗之后局部区域放疗的时机选择，即即刻局部区域放疗与挽救性局部区域放疗的对照。数据集所覆盖的疾病条件包括鼻咽癌与远处转移。源站未提供具体的样本量、终点指标、随访时长、分组比例及数据字段结构等细节。
【采集与来源】
该数据集来源于clinicaltrials.gov，对应一项III期随机试验。源站描述中说明了研究背景、研究目的与试验设计类型，即比较即刻与挽救性局部区域放疗在PD-1抑制剂联合GP治疗后的应用。源站未提供具体的采集时间范围、采集机构、数据提取方式及原始数据格式等信息。
【适用场景】
该数据集适用于关注初诊转移性鼻咽癌治疗策略的研究与临床决策场景，尤其是围绕PD-1抑制剂联合GP标准一线治疗后局部区域放疗时机选择的问题。可用于了解即刻放疗与挽救性放疗在生存获益与毒性方面的比较设计，也可作为鼻咽癌远处转移相关研究背景的参考。源站未提供该数据集在其他具体应用场景中的用途说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、分析流程、统计方法及使用门槛等信息。
【质量与限制】
该数据集为III期随机试验的注册信息，其研究设计针对即刻与挽救性局部区域放疗的非劣效比较。源站未提供数据完整性、准确性验证、缺失值处理及偏倚控制等质量相关信息，也未提供该数据集在适用范围上的具体限制说明。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT07235319
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，远处转移。鼻咽癌（NPC）在中国南方高度流行，约15%的患者在诊断时即存在远处转移。PD-1抑制剂联合吉西他滨和顺铂（GP）已成为转移性鼻咽癌的标准一线治疗。然而，在PD-1抑制剂联合GP的基础上立即加用局部区域放疗对新发转移性鼻咽癌的生存获益仍不确定。本III期随机试验旨在比较新发转移性鼻咽癌患者在PD-1抑制剂联合GP后立即放疗与挽救性局部区域放疗的疗效，目的是确定挽救性放疗是否非劣效于立即放疗，同时毒性更低。
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。
