评估Parsaclisib与Ruxolitinib联合治疗骨髓纤维化疗效与安全性的研究（LIMBER-313）
该数据集来自clinicaltrials.gov，收录LIMBER-313研究信息，聚焦骨髓纤维化（含原发性、血栓后及真性红细胞增多症后骨髓纤维化）患者
基本信息
资源简介
评估Parsaclisib与Ruxolitinib联合治疗骨髓纤维化疗效与安全性的研究（LIMBER-313）
该数据集来自clinicaltrials.gov，收录LIMBER-313研究信息，聚焦骨髓纤维化（含原发性、血栓后及真性红细胞增多症后骨髓纤维化）患者。研究为III期随机双盲试验，评估PI3Kδ抑制剂parsaclisib或安慰剂联合JAK1/2抑制剂ruxolitinib的疗效与安全性，入组要求DIPSS中危或高危且未接受过JAK或PI3K抑制剂治疗。数据可用于血液肿瘤治疗方案的分类研究与临床特征分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：骨髓纤维化、原发性骨髓纤维化、血栓后骨髓纤维化、真性红细胞增多症后骨髓纤维化。这是一项3期、随机、双盲研究，评估PI3Kδ抑制剂parsaclisib或匹配安慰剂与JAK1/2抑制剂ruxolitinib联合用于PMF或继发性MF（PPV-MF或PET-MF）且DIPSS风险类别为中危或高危的参与者。预期参与者必须未接受过JAK抑制剂或PI3K抑制剂的既往MF治疗。在参与者被确定符合研究资格并完成7天基线症状日记评估后，他们将被随机分配到2个治疗组中的1个，并按血小板计数（≥ 100 × 10^9/L vs 50至< 100 × 10^9/L，含端点）和DIPSS风险类别（高危 vs 中危-2 vs 中危-1）进行分层。一旦所有入组参与者完成
【主题与分类】
主题标签：Myelofibrosis、Primary Myelofibrosis、Post Polycythemia Vera Myelofibrosis。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/NCT04551066
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/NCT04551066
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：骨髓纤维化、原发性骨髓纤维化、真性红细胞增多症后骨髓纤维化、原发性血小板增多症后骨髓纤维化。这是一项3期、随机、双盲研究，研究对象为接受PI3Kδ抑制剂parsaclisib或匹配安慰剂联合JAK1/2抑制剂ruxolitinib治疗的PMF或继发性MF（PPV-MF或PET-MF）参与者，其DIPSS风险类别为中危或高危。预期参与者必须既往未接受过JAK抑制剂或PI3K抑制剂的MF治疗。在确定参与者符合研究资格并完成7天的基线症状日记评估后，他们将被随机分配至2个治疗组中的1组，并按血小板计数（≥ 100 × 10^9/L vs 50至< 100 × 10^9/L，含端点）和DIPSS风险类别（高危 vs 中危-2 vs 中危-1）进行分层。一旦所有入组参与者完成第24周评估，研究将揭盲，随机分配至安慰剂的参与者将有机会交叉接受parsaclisib治疗，同时继续接受ruxolitinib，前提是血液学参数充分。
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。
