评估Iptacopan (LNP023)治疗自身免疫性良性血液病的篮式研究
该数据集来自clinicaltrials.gov,为一项开放标签、单臂(各队列内)、多中心、非确证性篮式研究,旨在评估iptacopan (LNP023)在自身免疫性良性血液病患者中的疗效、安全性和药代动力学

基本信息
资源简介
评估Iptacopan (LNP023)治疗自身免疫性良性血液病的篮式研究
该数据集来自clinicaltrials.gov,为一项开放标签、单臂(各队列内)、多中心、非确证性篮式研究,旨在评估iptacopan (LNP023)在自身免疫性良性血液病患者中的疗效、安全性和药代动力学。研究包含两个队列:原发性免疫性血小板减少症(ITP)和原发性冷凝集素病(CAD)。ITP队列参与者根据筛选时sC5b-9水平按高/低补体激活分层。研究期间未增加额外队列。研究包括筛选期、12周治疗期(Part A)、Part A后的洗脱期(应答者)/随访期(非应答者),以及仅针对应答者的额外阶段。数据可用于探索该药物在这类疾病中的潜在作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:免疫性血小板减少症(ITP)、冷凝集素病(CAD)。这是一项开放标签、单臂(各队列内)、多中心、非确证性篮式研究,旨在评估iptacopan在自身免疫性良性血液病参与者中的疗效、安全性和药代动力学。该研究设计为篮式研究,以允许纳入新队列(适应症)。研究包括2个队列:原发性免疫性血小板减少症(ITP)和原发性冷凝集素病(CAD)。队列1(ITP)的参与者根据高/低补体激活(即基于筛选时的sC5b-9水平)分为两组。研究期间未增加额外队列。研究包括筛选期、12周治疗期(Part A)、Part A后的洗脱期(针对应答者)/随访期(针对非应答者),以及仅针对应答者的额外
【主题与分类】
主题标签:Immune Thrombocytopenia (ITP)、Cold Agglutinin Disease (CAD)。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05086744
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/NCT05086744
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:免疫性血小板减少症(ITP)、冷凝集素病(CAD)。这是一项开放标签、单臂(各队列内)、多中心、非确证性篮式研究,旨在评估iptacopan在自身免疫性良性血液病患者中的疗效、安全性和药代动力学。该研究采用篮式设计,以便纳入新队列(适应症)。研究包括2个队列:原发性免疫性血小板减少症(ITP)和原发性冷凝集素病(CAD)。队列1(ITP)的参与者根据补体激活高低(即基于筛选时的sC5b-9水平)分为两组。研究期间未增加额外队列。研究包括筛选期、12周治疗期(A部分)、A部分后的洗脱期(针对有应答者)/随访期(针对无应答者),以及仅针对有应答者的额外治疗扩展期,最长可达24个月(B部分)。根据研究者评估有临床获益迹象的无应答者也可在B部分继续接受iptacopan治疗。B部分开始前的洗脱期最长持续4周。
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。




