转移性食管胃癌营养状态与免疫检查点抑制剂疗效的关联研究
该数据集来自 clinicaltrials.gov,聚焦转移性食管胃癌患者,涵盖胃肿瘤与食管腺鳞癌两类疾病。源站描述指出营养不良会影响晚期胃肠道肿瘤患者化疗放疗期间的不良事件发生率、治疗耐受性、完成率、疗效与生活质量,并最终缩短生存期;同时以 PD-1 抑制剂为代表的免疫治疗已成为晚期胃肠道肿瘤治疗

基本信息
资源简介
转移性食管胃癌营养状态与免疫检查点抑制剂疗效的关联研究
该数据集来自 clinicaltrials.gov,聚焦转移性食管胃癌患者,涵盖胃肿瘤与食管腺鳞癌两类疾病。源站描述指出营养不良会影响晚期胃肠道肿瘤患者化疗放疗期间的不良事件发生率、治疗耐受性、完成率、疗效与生活质量,并最终缩短生存期;同时以 PD-1 抑制剂为代表的免疫治疗已成为晚期胃肠道肿瘤治疗的基石,营养状态评估中的 Prognostic Nutritional Index(PNI)与 Controlling Nutritional Status(CONUT)评分对肿瘤患者营养状况评价尤为重要。该数据可用于探索营养状态与免疫检查点抑制剂疗效之间的关联,支持疗效预测与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:胃肿瘤、食管腺鳞癌。在晚期胃肠道肿瘤患者中,营养不良可导致化疗放疗期间不良事件发生率增加、治疗耐受性降低、治疗完成率下降、疗效与生活质量受损,并最终缩短生存期。目前,以 PD-1 抑制剂为代表的免疫治疗已成为晚期胃肠道肿瘤治疗的基石。营养状态在恶性肿瘤中起着关键作用,其中 Prognostic Nutritional Index(PNI)与 Controlling Nutritional Status(CONUT)评分对于评估肿瘤患者的营养状况尤为重要。胃肠道肿瘤作为一组具有不同形态学和分子遗传学特征的异质性肿瘤,与营养状态密切相关。
【主题与分类】
主题标签:Gastric Neoplasm、Esophageal Adenosquamous Carcinoma。本站分类:肿瘤/胃癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06923020
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/NCT06923020
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:胃肿瘤、食管腺鳞癌。在晚期胃肠道肿瘤患者中,营养不良可导致放化疗期间不良事件发生率增加、治疗耐受性降低、治疗完成率下降、疗效和生活质量受损,最终缩短生存期。目前,以PD-1抑制剂为代表的免疫治疗已成为晚期胃肠道肿瘤治疗的基石。营养状况在恶性肿瘤中起着至关重要的作用,其中预后营养指数(PNI)和控制营养状况(CONUT)评分对于评估肿瘤患者的营养状况尤为重要。胃肠道肿瘤作为一组具有独特形态学和分子遗传学特征的异质性肿瘤,与营养状况密切相关。外周血细胞谱反映了恶性肿瘤对患者的炎症影响和免疫反应,这对于确定治疗反应和临床结局至关重要,有助于实现早期分层、干预和监测。
因此,本研究旨在通过评估营养状态,并比较不同营养状况的晚期胃癌和食管癌患者(包括不可切除的局部晚期、复发或转移性胃肠道肿瘤,如胃/胃食管结合部腺癌和食管癌)接受一线免疫检查点抑制剂治疗的疗效,来探讨营养相关预后指标在免疫治疗中的临床意义。
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。




