聚乙二醇干扰素α-2b注射液用于羟基脲耐药或不耐受ET的临床研究
该数据集来自clinicaltrials.gov，聚焦原发性血小板增多症（ET）中对羟基脲耐药或不耐受的患者，记录一项多中心、随机、开放标签的2期临床研究
基本信息
资源简介
聚乙二醇干扰素α-2b注射液用于羟基脲耐药或不耐受ET的临床研究
该数据集英文名为 Peginterferon α-2b Injection for Hydroxyurea Resistant or Intolerant ET，来源于 clinicaltrials.gov，聚焦血液与淋巴系统疾病中的原发性血小板增多症。数据集记录了一项多中心、随机、开放标签的2期临床研究，研究对象为对羟基脲耐药或不耐受的原发性血小板增多症（ET）患者。研究计划入组27例患者，随机分配接受135 mcg或180 mcg剂量的聚乙二醇干扰素α-2b治疗，分配比例为1:2。受试者将依次经历目标治疗期（第1周至第48周）、延伸治疗期（第49周至第96周）和随访期（第97周至第100周），研究对药代动力学、安全性和有效性进行评估。该数据集的主题标签为 Essential Thrombocythemia，可为相关临床研究与治疗策略分析提供结构化信息来源。
【数据集背景】
原发性血小板增多症是一种血液与淋巴系统疾病，部分患者对羟基脲存在耐药或不耐受，需要探索替代治疗方案。该数据集所对应的临床研究即针对这一临床需求设计，采用多中心、随机、开放标签的2期研究设计，评估聚乙二醇干扰素α-2b在羟基脲耐药或不耐受ET患者中的应用。研究设置目标治疗期、延伸治疗期与随访期三个阶段，体现了对长期用药与随访观察的关注。
【数据内容】
数据集围绕聚乙二醇干扰素α-2b注射治疗羟基脲耐药或不耐受ET的临床研究展开，涵盖研究条件、研究设计、入组规模、随机分组与剂量方案、治疗与随访时间安排以及评价维度等信息。具体而言，研究计划入组27例患者，随机分配至135 mcg或180 mcg两个剂量组，比例为1:2；治疗周期包括第1周至第48周的目标治疗期、第49周至第96周的延伸治疗期以及第97周至第100周的随访期；评价内容涉及药代动力学、安全性和有效性。主题标签为 Essential Thrombocythemia。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床研究注册信息。源站描述提供了研究条件、研究类型与分期、入组人数、随机化与分组比例、给药剂量、治疗与随访时间窗以及评价指标等核心内容。数据集的分类归属为血液与淋巴系统疾病 / 原发性血小板增多症。
【适用场景】
该数据集适用于血液与淋巴系统疾病尤其是原发性血小板增多症相关的研究与信息整理场景，可用于了解羟基脲耐药或不耐受ET患者的替代治疗研究设计，支持对聚乙二醇干扰素α-2b不同剂量方案、治疗周期安排及药代动力学、安全性、有效性评价框架的参考。也可用于临床研究注册信息的检索、归类与对比分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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/NCT06552429
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
适应症：原发性血小板增多症。这是一项多中心、随机、开放标签的2期临床研究。旨在入组27例对羟基脲（HU）耐药或不耐受的原发性血小板增多症（ET）患者。符合条件的患者将按1：2的比例随机接受聚乙二醇干扰素α-2b 135 mcg或聚乙二醇干扰素α-2b 180 mcg治疗，所有受试者将经历目标治疗期（第1周~第48周）、扩展治疗期（第49周~第96周）和随访期（第97周~第100周）。将评估药代动力学、安全性和有效性。
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。
