旨在功能性治愈慢性乙型肝炎病毒感染(持续HBsAg清除)的新型联合治疗策略(A)
源站描述指出,当前IFNα或NAs单药治疗下HBsAg清除率不足10%,而序贯联合IFNα治疗可将HBsAg清除率提升至15%

基本信息
资源简介
旨在功能性治愈慢性乙型肝炎病毒感染(持续HBsAg清除)的新型联合治疗策略(A)
该数据集来自clinicaltrials.gov,聚焦慢性乙型肝炎(Chronic Hepatitis B)的功能性治愈研究,涉及Anti-PD-1 Antibody联合治疗策略。源站描述指出,当前IFNα或NAs单药治疗下HBsAg清除率不足10%,而序贯联合IFNα治疗可将HBsAg清除率提升至15%。数据可用于探索慢性HBV感染免疫治疗相关的临床研究设计、疗效终点分析及联合治疗策略评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性乙型肝炎,Anti-PD-1 Antibody。乙型肝炎病毒(HBV)感染是中国的主要公共卫生威胁。目前,功能性治愈,也称为临床治愈或持续乙型肝炎表面抗原(HBsAg)清除,被推荐为HBV治疗的理想终点。然而,在接受现有抗病毒药物干扰素(IFNα)或核苷(酸)类似物(NAs)单药治疗的慢性乙型肝炎(CHB)患者中,能够实现HBsAg清除的比例不足10%。在“十一五”至“十三五”国家传染病重大专项资助下,我们实施了一项开创性临床研究,即在NAs治疗基础上序贯联合IFNα治疗NAs经治CHB患者(即New Switch Study)。这是全球首个旨在功能性治愈的临床试验,将HBsAg清除率提高至15%。
【主题与分类】
主题标签:Chronic Hepatitis b、Anti-PD-1 Antibody。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05769816
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/NCT05769816
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
条件:慢性乙型肝炎,抗PD-1抗体。乙型肝炎病毒(HBV)感染是中国主要的公共卫生威胁。目前,功能性治愈,也称为临床治愈或持续性乙型肝炎表面抗原(HBsAg)丢失,被推荐为HBV治疗的理想终点。然而,在接受现有抗病毒药物干扰素(IFNα)或核苷(酸)类似物(NAs)单药治疗的慢性乙型肝炎(CHB)患者中,能够实现HBsAg丢失的比例不足10%。在“十一五”至“十三五”国家传染病重大专项资助下,我们实施了一项开创性临床研究,即在接受NAs治疗的CHB患者中序贯联合IFNα治疗(即New Switch研究)。这是全球首个以功能性治愈为目标的临床试验,我们的研究中将总体人群的HBsAg丢失率提高至15%,在基线HBsAg水平较低的人群中提高至30-50%。如何进一步提高HBsAg丢失率是我们亟待解决的问题。
实现功能性治愈的关键在于逆转HBV特异性T细胞耗竭,并建立针对HBV感染的长期免疫控制。程序性死亡-1(PD-1)/程序性死亡配体1(PD-L1)轴阻断已被证明可重新激活耗竭的CD8+ T细胞,并可能成为治疗慢性HBV感染的潜在策略。本研究将开展一项大型多中心前瞻性研究,探讨一种涉及免疫检查点抑制剂(抗PD-1抗体)的新型联合策略在CHB患者中的安全性和有效性,观察接受该联合策略的NA治疗CHB患者的HBsAg清除率,评估该策略打破免疫耐受的潜力,并在New Switch研究基础上进一步评估其进一步提高临床治愈率的疗效。本研究在New Switch研究基础上,进一步尝试逆转CHB患者的T细胞耗竭,探索一种新型联合平台
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。




