恩杂鲁胺联合醋酸阿比特龙治疗骨转移去势抵抗性前列腺癌患者的安全性和耐受性研究
条件：转移性去势抵抗性前列腺癌。在研究期间，所有受试者维持雄激素剥夺治疗，使用促性腺激素释放激素（GnRH）激动剂或拮抗剂或睾丸切除术
基本信息
资源简介
恩杂鲁胺联合醋酸阿比特龙治疗骨转移去势抵抗性前列腺癌患者的安全性和耐受性研究
该数据集围绕一项在转移性去势抵抗性前列腺癌患者中开展的临床研究，评估恩杂鲁胺（MDV3100）联合醋酸阿比特龙的安全性及耐受性。研究条件为转移性去势抵抗性前列腺癌；在研究期间，所有受试者维持雄激素剥夺治疗，使用促性腺激素释放激素（GnRH）激动剂或拮抗剂或睾丸切除术。研究药物持续给药至疾病进展，疾病进展定义为由临床恶化、影像学进展或根据前列腺癌临床试验工作组2（PCWG2）标准判定的前列腺特异性抗原（PSA）进展组成的复合终点。该数据集归类于肿瘤/前列腺癌方向，来源于clinicaltrials.gov，主题标签为转移性去势抵抗性前列腺癌。
【数据集背景】
该数据集对应的研究聚焦于转移性去势抵抗性前列腺癌这一疾病阶段。在这一阶段，患者尽管接受雄激素剥夺治疗，疾病仍会进展，因此需要探索新的联合治疗策略。本研究的关注点在于恩杂鲁胺（MDV3100）与醋酸阿比特龙联合应用时的安全性和耐受性。研究要求在研究期间所有受试者维持雄激素剥夺治疗，具体方式包括使用促性腺激素释放激素（GnRH）激动剂或拮抗剂，或采用睾丸切除术。这一背景信息有助于理解该数据集所服务的临床问题及其在肿瘤学数据中的定位。
【数据内容】
该数据集所涉及的内容围绕上述临床研究展开，核心主题为转移性去势抵抗性前列腺癌患者中恩杂鲁胺联合醋酸阿比特龙的安全性及耐受性评估。研究药物给药持续至疾病进展，而疾病进展采用复合终点定义，包括临床恶化、影像学进展或根据PCWG2标准判定的PSA进展。关于数据集内具体包含哪些字段、变量、记录数量或统计指标，源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov，属于临床研究注册信息相关数据。其主题标签为转移性去势抵抗性前列腺癌，分类归入肿瘤/前列腺癌方向。关于采集时间、采集方法、样本量或数据提取流程等细节，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解转移性去势抵抗性前列腺癌中恩杂鲁胺与醋酸阿比特龙联合治疗研究的设计要点，包括雄激素剥夺治疗的维持方式、研究药物给药至疾病进展的安排，以及以临床恶化、影像学进展和PCWG2标准下PSA进展构成的复合终点定义。其适用场景可涉及肿瘤学临床研究信息整理、前列腺癌治疗研究背景参考等方向。关于更具体的分析用途或建模场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或操作说明。
【质量与限制】
源站未提供关于数据质量、完整性、准确性或使用限制的说明。需要说明的是，该数据集对应的研究条件为转移性去势抵抗性前列腺癌，研究期间所有受试者维持雄激素剥夺治疗，研究药物给药至疾病进展，疾病进展为包含临床恶化、影像学进展或PCWG2标准下PSA进展的复合终点；除此之外的质量与限制信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式或许可信息。
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/NCT01650194
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：转移性去势抵抗性前列腺癌。在研究期间，所有受试者均维持雄激素剥夺治疗，使用促性腺激素释放激素（GnRH）激动剂或拮抗剂，或行睾丸切除术。研究药物给药至疾病进展。疾病进展定义为复合终点，包括根据前列腺癌临床试验工作组2（PCWG2）标准判定的临床恶化、影像学进展或前列腺特异性抗原（PSA）进展。
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。
