达那唑、泼尼松龙和沙利度胺联合治疗沙利度胺难治性输血依赖型β地中海贫血
该数据集来自clinicaltrials.gov，收录一项双臂平行组开放标签随机对照优效性试验，针对5至15岁、对至少6个月足量Thalidomide反应不佳的输血依赖型β-地中海贫血重症患者，比较Thalidomide单药与Thalidomide联合Danazol和Prednisolone的疗效与
基本信息
资源简介
达那唑、泼尼松龙和沙利度胺联合治疗沙利度胺难治性输血依赖型β地中海贫血
该数据集来自clinicaltrials.gov，收录一项双臂平行组开放标签随机对照优效性试验，针对5至15岁、对至少6个月足量Thalidomide反应不佳的输血依赖型β-地中海贫血重症患者，比较Thalidomide单药与Thalidomide联合Danazol和Prednisolone的疗效与安全性。主要结局包括输血独立、血红蛋白变化及CTCAE v5.0安全性，次要结局涵盖输血负担、血液学改善、TranQOL生活质量及HBB突变类与HbF调节的探索性关联，可用于血液病治疗研究与结局预测（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Beta-Thalassemia、Thalassemia。这是一项双臂、平行组、开放标签、随机对照优效性试验。将纳入172名5至15岁、对至少6个月足量Thalidomide反应不佳的输血依赖型β-地中海贫血重症参与者。参与者将按1:1随机分配至Thalidomide单药治疗或Thalidomide联合Danazol和Prednisolone治疗。主要结局为输血独立（定义为连续至少8周无需红细胞输注且血红蛋白至少9.0 g/dL）、从基线至6个月输注前血红蛋白的平均变化，以及按CTCAE v5.0分级的安全性和耐受性。次要结局包括输血负担、血液学改善、使用TranQOL的健康相关生活质量，以及HBB突变类与HbF调节的探索性关联。
【主题与分类】
主题标签：Beta-Thalassemia、Thalassemia。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/NCT07884773
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/NCT07884773
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：β-地中海贫血、地中海贫血。这是一项双臂、平行组、开放标签、随机对照优效性试验。将纳入172名5至15岁、患有输血依赖型β-地中海贫血重型且对至少6个月足量沙利度胺治疗反应不佳的参与者。参与者将按1：1随机分配至沙利度胺单药治疗组或沙利度胺联合达那唑及泼尼松龙治疗组。主要结局为输血独立性（定义为连续至少8周无需红细胞输注且血红蛋白至少9.0 g/dL）、从基线至6个月输血前血红蛋白的平均变化，以及按CTCAE v5.0分级的安全性和耐受性。次要结局包括输血负担、血液学改善、使用TranQOL评估的健康相关生活质量，以及HBB突变类别和HbF修饰基因型（XmnI、BCL11A、HBS1L-MYB）与治疗反应的探索性关联。随访时间为9至12个月。该试验将在巴基斯坦白沙瓦Hayatabad第5阶段Pak国际医学院血液护理诊所和Peshawar总医院开展。
该试验将在首位参与者入组前完成注册。
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。
