Lanoracopan治疗PNH的疗效与安全性
该数据集来自clinicaltrials.gov，聚焦Lanoracopan治疗阵发性睡眠性血红蛋白尿（PNH）的疗效与安全性，涵盖中国多中心3期试验数据：一项为N=66的补体初治患者活性对照研究，另一项为N=20的C5抑制剂应答不佳患者单臂研究，评估24周内血红蛋白达标比例及不良事件、突破性溶血、
基本信息
资源简介
Lanoracopan治疗PNH的疗效与安全性
该数据集来自clinicaltrials.gov，聚焦Lanoracopan治疗阵发性睡眠性血红蛋白尿（PNH）的疗效与安全性，涵盖中国多中心3期试验数据：一项为N=66的补体初治患者活性对照研究，另一项为N=20的C5抑制剂应答不佳患者单臂研究，评估24周内血红蛋白达标比例及不良事件、突破性溶血、血管事件、感染和死亡等安全性指标。数据可用于比较Lanoracopan与eculizumab的血红蛋白纠正效果，并支持短期安全性分析，但长期真实世界疗效及按既往治疗分层的安全性尚未表征（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：阵发性睡眠性血红蛋白尿（PNH）。在中国多中心3期试验中，lanoracopan 400 mg每日两次给药，评估24周。在活性对照研究（N=66，补体初治）中，达到Hb≥120 g/L的比例为50.0%（lanoracopan）对9.09%（eculizumab）。在单臂研究（N=20，C5抑制剂应答不佳者）中，70%达到Hb≥120 g/L，100%的患者Hb较基线升高≥20 g/L。两项研究均未报告因不良事件停药、无严重突破性溶血、无主要血管事件、无荚膜细菌感染、无死亡。这些数据表明血红蛋白纠正更优且短期安全性良好。然而，按既往治疗（C5抑制剂与其他因子B抑制剂）分层的长期真实世界有效性和安全性特征仍未明确。本观察性研究将
【主题与分类】
主题标签：Paroxysmal Nocturnal Hemoglobinuria, PNH。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/NCT07788105
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/NCT07788105
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：阵发性睡眠性血红蛋白尿症（PNH）。在中国多中心3期试验中，lanoracopan 400 mg每日两次给药，评估24周。在活性对照研究（N=66，未接受过补体抑制剂治疗）中，达到Hb≥120 g/L的比例为50.0%（lanoracopan）对9.09%（eculizumab）。在单臂研究（N=20，C5抑制剂应答不佳者）中，70%达到Hb≥120 g/L，100%的患者Hb较基线升高≥20 g/L。两项研究均未报告因不良事件停药、无严重突破性溶血、无重大血管事件、无荚膜细菌感染、无死亡。这些数据表明血红蛋白纠正更优且短期安全性良好。然而，按既往治疗（C5抑制剂 vs. 其他因子B抑制剂）分层的长期真实世界有效性和安全性特征仍不明确。本观察性研究将纳入多样化队列，以捕捉长期随访中Hb应答的持久性、输血独立率、突破性溶血和血栓形成发生率以及不良事件模式，为临床实践中的治疗转换和序贯提供证据指导。
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。
