Sandostatin LAR Depot 与手术治疗肢端肥大症的对比研究

该数据集来自 clinicaltrials.gov,主题为 Sandostatin LAR Depot 与经蝶窦手术治疗初治肢端肥大症伴大腺瘤患者的疗效比较

National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK)National Institute of Diabetes and Digestive and Kidney Diseases (NIDDK)
clinicaltrials
浏览 12
其他分类AcromegalyPituitary Neoplasm
Sandostatin LAR Depot vs. Surgery for Treating Acromegaly

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-07

资源简介

Sandostatin LAR Depot 与手术治疗肢端肥大症的对比研究

该数据集来自 clinicaltrials.gov,主题为 Sandostatin LAR Depot 与经蝶窦手术治疗初治肢端肥大症伴大腺瘤患者的疗效比较。主要目标是使胰岛素样生长因子-1(IGF-1)水平恢复正常,次要目标包括将生长激素抑制至不超过 2.5 ng/mL、缓解临床症状与体征、缩小大腺瘤体积、评估副作用、分析基线垂体腺瘤大小、扩展程度及基线生长激素水平对治疗后激素水平的预后价值,并评估两种治疗方式的资源利用情况。数据可用于治疗方式比较、疗效预测与分类研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肢端肥大症、垂体肿瘤。本研究的目的是比较 Sandostatin LAR®(注册商标)Depot 与经蝶窦手术在既往未接受治疗的伴大腺瘤的肢端肥大症患者中的疗效。主要目标是使胰岛素样生长因子-1(IGF-1)水平恢复正常。次要目标是比较 Sandostatin LAR®(注册商标)Depot 治疗与经蝶窦手术实现以下目标的情况:将生长激素水平抑制至小于或等于 2.5 ng/mL、缓解肢端肥大症的临床体征和症状、缩小大腺瘤的体积、产生较少的副作用、评估基线垂体腺瘤大小、扩展程度和基线生长激素水平对治疗后生长激素和 IGF-1 水平的预后价值,以及评估每种治疗类型的资源利用情况。

【主题与分类】

主题标签:Acromegaly、Pituitary Neoplasm。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00001860

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT00001860

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:肢端肥大症、垂体肿瘤。本研究旨在比较善龙长效释放剂(注册商标)与经蝶窦手术治疗既往未经治疗的伴大腺瘤肢端肥大症患者的疗效。主要目标是使胰岛素样生长因子-1(IGF-1)水平恢复正常。次要目标是比较善龙长效释放剂(注册商标)治疗与经蝶窦手术在实现以下目标方面的效果:将生长激素水平抑制至小于或等于2.5 ng/mL,缓解肢端肥大症的临床体征和症状,缩小大腺瘤的体积,产生较少的副作用,评估基线垂体腺瘤大小、扩展范围及基线生长激素水平对治疗后生长激素和IGF-1水平的预后价值,并评估每种治疗类型的资源利用情况。

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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。