Pembrolizumab治疗黑色素瘤患者的缓解标志物与不良事件回顾性分析
该数据集来源于clinicaltrials.gov，为一项回顾性队列研究，基于荷兰pembrolizumab指定患者项目中所有参与患者的可用数据构建数据库
基本信息
资源简介
Pembrolizumab治疗黑色素瘤患者的缓解标志物与不良事件回顾性分析
该数据集英文名为 Retrospective Analysis of Response Markers and Adverse Events in Melanoma Patients Treated With Pembrolizumab，来源于 clinicaltrials.gov，本站归类为肿瘤 / 皮肤癌，主题标签为 Melanoma。其源站描述表明，这是一项回顾性队列研究，将基于荷兰 pembrolizumab 指定患者项目中所有参与患者的可用数据构建数据库，并利用该数据库分析应答标志物、评估不良事件。整体来看，该数据集围绕接受 pembrolizumab 治疗的黑色素瘤患者人群，以回顾性方式整合真实世界项目中的既有数据，服务于疗效相关标志物与安全性事件的考察，属于肿瘤学与皮肤癌研究方向下的临床研究数据资源。
【数据集背景】
该数据集对应的研究聚焦于接受 pembrolizumab 治疗的黑色素瘤患者。源站描述明确指出研究对象为 Melanoma（黑色素瘤），研究设计为回顾性队列研究。研究的出发点在于利用荷兰 pembrolizumab 指定患者项目中已参与患者的可用数据，建立数据库并开展后续分析。其分析目标包括两方面：一是应答标志物的分析，二是不良事件的评估。因此，该数据集在背景上属于围绕特定药物在特定患者人群中的真实世界回顾性研究资料，而非前瞻性干预试验数据。
【数据内容】
依据源站描述，该数据集的内容基础是荷兰 pembrolizumab 指定患者项目中所有参与患者的可用数据，并据此构建数据库。数据库的用途明确为分析应答标志物以及评估不良事件。主题标签为 Melanoma，本站分类为肿瘤 / 皮肤癌。除上述信息外，关于具体变量字段、样本量、随访时长、标志物种类、不良事件分类等细节，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov。数据采集方式为回顾性：从荷兰 pembrolizumab 指定患者项目中提取所有参与患者的可用数据，形成数据库。源站描述未提及具体的数据提取时间范围、数据管理流程、伦理审批信息或数据链接方式，源站未提供。
【适用场景】
基于源站描述，该数据集适用于围绕黑色素瘤患者接受 pembrolizumab 治疗后的应答标志物分析与不良事件评估两类场景。其回顾性队列性质使其可用于真实世界项目数据的二次分析。由于主题标签为 Melanoma，本站分类为肿瘤 / 皮肤癌，也可作为肿瘤学、皮肤癌相关研究中的参考数据资源。除此之外的具体应用场景，源站未提供。
【使用方法】
源站描述仅说明将构建数据库并用于应答标志物分析和不良事件评估，未提供数据访问方式、数据格式、变量字典、分析脚本或使用指南等信息，源站未提供。
【质量与限制】
该研究为回顾性队列研究，数据来源于指定患者项目中参与患者的可用数据，源站描述未提供样本量、缺失情况、数据完整性评估、偏倚控制措施或质量校验结果等信息，源站未提供。使用时应以源站描述所界定的研究设计与数据来源范围为限。
【引用与许可】
源站描述未提供引用格式、许可条款或数据使用限制等信息，源站未提供。
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/NCT02600169
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：黑色素瘤。本研究为回顾性队列研究。将根据所有参加过荷兰pembrolizumab指定患者项目的患者的现有数据建立一个数据库。该数据库将用于分析反应标志物和评估不良事件。
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。
