Zanubrutinib治疗难治/复发性自身免疫性溶血性贫血的安全性与有效性
适应症：难治/复发性自身免疫性溶血性贫血。本研究的样本量基于Simon两阶段设计计算。研究第一阶段入组12例患者队列。若12周后至少6例患者达到缓解，则入组扩展至总计26例患者
基本信息
资源简介
Zanubrutinib治疗难治/复发性自身免疫性溶血性贫血的安全性与有效性
该数据集围绕泽布替尼（Zanubrutinib）在难治/复发性自身免疫性溶血性贫血患者中的安全性与有效性研究而建立，收录了来自临床试验注册平台的研究设计与样本量计算相关信息。研究采用Simon两阶段设计确定样本量：第一阶段入组12例患者，若12周后至少6例达到缓解，则扩展入组至总计26例；若26例中超过14例达到缓解，则拒绝原假设。考虑20%的脱落率后，估计最终样本量为33例。数据集所属分类为血液及造血器官疾病下的其他类，主题聚焦于难治/复发性自身免疫性溶血性贫血这一适应症，可为关注该疾病领域治疗研究的人员提供研究设计层面的参考信息。
【数据集背景】
难治/复发性自身免疫性溶血性贫血属于血液及造血器官疾病范畴，现有治疗手段下部分患者仍难以获得理想缓解，因此需要探索新的治疗选择。该数据集所对应的研究以泽布替尼为干预药物，针对难治/复发性自身免疫性溶血性贫血患者开展安全性与有效性评价。数据集的主题标签明确指向这一适应症人群，分类归属为血液及造血器官疾病 / 其他，体现了其在血液疾病研究领域中的位置。
【数据内容】
数据集内容围绕该临床研究的样本量设计与入组安排展开。研究采用Simon两阶段设计进行样本量计算：第一阶段入组一个12例患者的队列；若12周后至少6例患者达到缓解，则入组扩展至总计26例患者；若26例患者中超过14例达到缓解，则拒绝原假设。考虑20%的脱落率后，估计最终样本量为33例。上述内容构成了数据集关于研究规模与阶段推进规则的核心信息。
【采集与来源】
该数据集来源于clinicaltrials.gov，即临床试验注册平台。源站描述中列出的研究条件为难治/复发性自身免疫性溶血性贫血，并给出了基于Simon两阶段设计的样本量计算过程及最终样本量估计。除上述来源信息外，源站未提供更多关于数据采集流程、采集时间或采集机构的细节。
【适用场景】
该数据集适用于需要了解难治/复发性自身免疫性溶血性贫血领域泽布替尼临床研究设计框架的场景，例如研究设计参考、样本量计算方法的对照分析，以及对两阶段设计在血液疾病研究中应用方式的了解。其主题标签与分类信息也可用于相关文献或研究资源的归集与检索。
【使用方法】
使用时可依据数据集中的两阶段设计规则理解研究的入组推进逻辑：先观察第一阶段12例患者12周后的缓解情况，据此判断是否扩展至26例，并以26例中超过14例达到缓解作为拒绝原假设的条件，同时结合20%脱落率理解最终33例样本量估计的由来。源站未提供具体的数据字段结构、访问接口或分析操作说明。
【质量与限制】
该数据集的信息基于临床试验注册平台的描述，主要覆盖研究设计与样本量计算层面。源站未提供关于数据完整性校验、数据更新频率、偏倚控制或数据审核机制的具体说明，也未提供研究结果数据。因此其适用范围限于研究设计与样本量相关信息，不宜外推为疗效或安全性的结论性证据。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT06021977
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
疾病条件：难治性/复发性自身免疫性溶血性贫血。本研究的样本量基于Simon两阶段设计计算。研究第一阶段入组了12例患者队列。若12周后至少6例患者达到缓解，则入组扩展至总计26例患者。若26例患者中超过14例达到缓解，则拒绝原假设。考虑20%的脱落率，估计最终样本量为33例患者。
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。
