皮下注射Etentamig与Dara-CyBorD治疗成人AL型淀粉样变性疗效与不良事件研究
研究分为安全性导入期和随机部分,比较皮下注射Etentamig与Dara-CyBorD方案的安全性和疗效,计划在全球约130个中心入组约370名受试者

基本信息
资源简介
皮下注射Etentamig与Dara-CyBorD治疗成人AL型淀粉样变性疗效与不良事件研究
本数据集来自clinicaltrials.gov,收录一项针对新诊断Amyloid Light Chain (AL) Amyloidosis成人患者的开放标签临床研究。研究分为安全性导入期和随机部分,比较皮下注射Etentamig与Dara-CyBorD方案的安全性和疗效,计划在全球约130个中心入组约370名受试者。数据可用于了解该罕见浆细胞病的治疗研究设计、干预方案及结局评估框架,支持血液与淋巴系统疾病领域的临床研究与证据整理(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Amyloid Light Chain (AL) Amyloidosis。Amyloid light chain (AL) 淀粉样变性是一种罕见疾病,由异常浆细胞产生错误折叠的轻链蛋白并沉积于器官,导致器官功能障碍和衰竭。本研究旨在评估etentamig与daratumumab联合环磷酰胺、硼替佐米和地塞米松(Dara-CyBorD)相比,在新诊断AL淀粉样变性受试者中的安全性和疗效。Etentamig是一种正在开发用于治疗新诊断AL淀粉样变性的研究性药物。这是一项开放标签研究。研究包括2个部分:安全性导入期,受试者将接受etentamig;以及随机部分,包含2个治疗组,受试者将接受etentamig或Dara-CyBorD。研究将在全球约130个中心入组约370名受试者。
【主题与分类】
主题标签:Amyloid Light Chain (AL) Amyloidosis。本站分类:血液与淋巴系统疾病/淀粉样变性。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07793422
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/NCT07793422
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:轻链型(AL)淀粉样变性。轻链型(AL)淀粉样变性是一种罕见疾病,由异常浆细胞产生错误折叠的轻链蛋白并沉积于器官所致,进而导致器官功能障碍和衰竭。本研究旨在评估etentamig与达雷妥尤单抗联合环磷酰胺联合硼替佐米联合地塞米松(Dara-CyBorD)相比,在新诊断AL淀粉样变性受试者中的安全性和有效性。Etentamig是一种正在开发用于治疗新诊断AL淀粉样变性的研究性药物。这是一项开放标签研究。研究包括2个部分:安全性导入期,受试者将接受etentamig治疗;以及随机分配部分,包含2个治疗组,受试者将接受etentamig或Dara-CyBorD治疗。本研究将在全球约130个研究中心入组约370名受试者。在安全性导入期,受试者将接受etentamig注射。在研究的随机分配部分,受试者将接受etentamig注射,或根据当地标签接受Dara-CyBorD治疗。研究总持续时间约为96个月。
与参与者的标准治疗相比,本试验中的参与者可能因研究程序而承受更高的治疗负担。参与者将在研究期间定期前往医院或诊所进行访视。治疗效果将通过医学评估、血液检测、副作用监测及填写问卷来检查。
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。




