鼻咽癌颈部预防照射减量研究
该数据集来自clinicaltrials.gov，为一项多中心、非劣效性、开放标签、随机对照III期临床试验，纳入无远处转移的原发初诊鼻咽癌患者
基本信息
资源简介
鼻咽癌颈部预防照射减量研究
该数据集英文名为 Reduced Volume of Neck Prophylactic Irradiation in Nasopharyngeal Carcinoma，来源于 clinicaltrials.gov，本站归类为肿瘤 / 其他，主题标签为 Nasopharyngeal Carcinoma 与 Radiotherapy; Complications。其对应的是一项多中心、非劣效性、开放标签、随机对照 III 期临床试验，研究对象为无远处转移的原发初诊鼻咽癌患者，旨在评估减量颈部预防性放疗相较于常规颈部预防性放疗的疗效，并比较两组放疗相关不良事件与生活质量。以下依据可获得的信息对该数据集作分段介绍。
【数据集背景】
鼻咽癌是头颈部常见的恶性肿瘤之一，放射治疗是其重要的治疗手段。颈部预防性照射是鼻咽癌放疗的组成部分，但照射范围与剂量同放疗相关并发症的发生密切相关。该数据集所对应的研究聚焦于“减量”颈部预防性照射这一策略，即在保证疗效的前提下，探索缩小颈部预防性照射体积是否可行。研究采用多中心、非劣效性、开放标签、随机对照的 III 期临床试验设计，纳入对象为原发初诊且无远处转移的鼻咽癌患者，通过与传统颈部预防性放疗的对照，评价减量方案的疗效，并比较两组的放疗相关不良事件和生活质量。这一设计定位体现了在肿瘤控制与降低治疗毒性之间寻求平衡的研究取向。
【数据内容】
该数据集的主题标签为鼻咽癌以及放疗相关并发症，指向的核心内容围绕鼻咽癌患者接受颈部预防性放疗后的疗效评价、放疗相关不良事件和生活质量比较。数据集英文名称明确指向“减量颈部预防性照射”这一干预主题。关于数据集内具体包含哪些字段、变量类型、样本量、随访时长、不良事件分级方式以及生活质量量表种类等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述表明，其对应研究为一项多中心、非劣效性、开放标签、随机对照 III 期临床试验，研究对象为原发初诊、无远处转移的鼻咽癌患者。关于各参与中心的具体数量与分布、入组时间窗、随机化方法与分配比例、数据采集的具体流程与时间点等，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与鼻咽癌放射治疗相关的临床研究场景，尤其是围绕颈部预防性照射范围与剂量策略的疗效与安全性评价，以及放疗相关不良事件和生活质量的比较分析。其多中心、随机对照 III 期试验的背景，使其可用于支持减量放疗方案与传统方案之间非劣效性评价相关的方法学研究或二次分析。关于该数据集是否适合作为影像组学、剂量学建模或真实世界研究的素材，源站未提供相应说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据格式、变量说明文档、统计分析建议或配套代码等。
【质量与限制】
该数据集对应多中心、随机对照、非劣效性、开放标签的 III 期临床试验设计，这一设计类型本身具有较好的证据等级基础。但就数据集本身而言，其样本量、数据完整性、缺失值处理、随访充分性、中心间一致性以及开放标签设计可能带来的偏倚控制情况等质量相关信息，源站未提供。使用时应以源站发布的原始信息为准。
【引用与许可】
源站未提供该数据集的引用方式与许可条款。
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/NCT05780372
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，放疗；并发症。这是一项多中心、非劣效性、开放标签、随机对照的III期临床试验，研究对象为初诊无远处转移的鼻咽癌（NPC）患者。本研究旨在评估减量颈部预防性放疗与常规颈部预防性放疗的疗效，并比较两组放疗相关不良事件和生活质量。
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。
