SB-715992治疗复发或转移性头颈癌
该数据集来自clinicaltrials.gov,收录一项关于SB-715992治疗复发和/或转移性头颈部鳞状细胞癌的临床试验信息

基本信息
资源简介
SB-715992治疗复发或转移性头颈癌
该数据集来自clinicaltrials.gov,收录一项关于SB-715992治疗复发和/或转移性头颈部鳞状细胞癌的临床试验信息。覆盖病种包括原发灶不明的转移性鳞状颈癌、复发唾液腺癌、复发下咽鳞癌、复发喉鳞癌、复发唇及口腔鳞癌、复发口咽鳞癌、复发鼻旁窦和鼻腔鳞癌等。主要目的是通过客观缓解率(部分缓解和完全缓解)评估SB-715992的抗肿瘤活性,次要目的包括缓解持续时间、疾病稳定率及持续时间、无进展生存、中位生存和总生存率。可用于头颈癌治疗反应与生存预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:原发灶不明的转移性鳞状颈癌伴隐匿性原发鳞状细胞癌、原发灶不明的复发性转移性鳞状颈癌、复发性唾液腺癌、复发性下咽鳞状细胞癌、复发性喉鳞状细胞癌、复发性唇及口腔鳞状细胞癌、复发性口咽鳞状细胞癌、复发性鼻旁窦和鼻腔鳞状细胞癌。主要目的:I. 通过客观缓解率(部分缓解和完全缓解)确定SB-715992在复发和/或转移性头颈部鳞状细胞癌中的抗肿瘤活性。次要目的:I. 确定SB-715992在复发和/或转移性鳞状细胞癌中的客观缓解持续时间、疾病稳定率和持续时间、无进展生存率、中位生存率和总生存率
【主题与分类】
主题标签:Recurrent Salivary Gland Cancer、Stage IVA Salivary Gland Cancer、Stage IVB Salivary Gland Cancer、Stage IVC Salivary Gland Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00095628
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/NCT00095628
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
疾病条件:转移性颈部鳞状细胞癌伴隐匿性原发鳞状细胞癌、复发性转移性颈部鳞状细胞癌伴隐匿性原发、复发性涎腺癌、复发性下咽鳞状细胞癌、复发性喉鳞状细胞癌、复发性唇及口腔鳞状细胞癌、复发性口咽鳞状细胞癌、复发性鼻旁窦及鼻腔鳞状细胞癌。主要目的:I. 通过客观缓解率(部分缓解和完全缓解)确定SB-715992在复发性和/或转移性头颈部鳞状细胞癌中的抗肿瘤活性。次要目的:I. 确定SB-715992在复发性和/或转移性头颈部鳞状细胞癌中客观缓解的持续时间、疾病稳定率及持续时间、无进展生存率、中位生存率和总生存率。II. 记录SB-715992在复发性和/或转移性头颈部鳞状细胞癌中的安全性和耐受性。III.
描述SB-715992的群体药代动力学(PK)参数,包括评估对SB-715992 PK有显著影响的协变量,以及评估SB-715992的药代动力学与相关安全性和有效性终点之间的潜在关系。研究概要:这是一项开放标签、非随机、多中心研究。患者在第1天接受SB-715992静脉输注,持续1小时。在没有疾病进展或不可接受的毒性的情况下,每21天重复一个疗程。对患者进行生存随访。
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。



