多中心回顾前瞻性真实世界研究:评估Vorasidenib在异柠檬酸脱氢酶IDH1/2突变型2级星形细胞瘤或少突胶质细胞瘤患者中的有效性和安全性(VICTORIA研究)
该数据集来自clinicaltrials.gov,聚焦于胶质瘤(Gliomas),属于肿瘤/脑肿瘤领域。研究为多中心、回顾-前瞻性真实世界研究,旨在评估Vorasidenib在IDH1/2突变2级星形细胞瘤或少突胶质细胞瘤患者中的有效性和安全性,主要目的是评估Vorasidenib在中国常规临床实践

基本信息
资源简介
多中心回顾前瞻性真实世界研究:评估Vorasidenib在异柠檬酸脱氢酶IDH1/2突变型2级星形细胞瘤或少突胶质细胞瘤患者中的有效性和安全性(VICTORIA研究)
该数据集来自clinicaltrials.gov,聚焦于胶质瘤(Gliomas),属于肿瘤/脑肿瘤领域。研究为多中心、回顾-前瞻性真实世界研究,旨在评估Vorasidenib在IDH1/2突变2级星形细胞瘤或少突胶质细胞瘤患者中的有效性和安全性,主要目的是评估Vorasidenib在中国常规临床实践中治疗胶质瘤患者的有效性,研究对象为12岁及以上、IDH1或IDH2突变的II级或以上星形细胞瘤或少突胶质细胞瘤患者。主要问题是该趋势是否与INDIGO研究观察到的疗效一致,以及是否出现与既往研究数据相比的新安全性信号。研究者将与未治疗组进行比较。由于是真实世界研究,参与者不强制进行正式访视,但患者接受新药治疗并需收集主要疗效数据,因此应。
【数据内容】
源站描述(机器翻译,仅供参考):条件:胶质瘤。本研究的目标是评估Vorasidenib在异柠檬酸脱氢酶IDH1/2突变2级星形细胞瘤或少突胶质细胞瘤患者中的有效性和安全性,主要目的是评估Vorasidenib在中国常规临床实践中治疗胶质瘤患者的有效性,患者为12岁及以上、伴有IDH1或IDH2突变的II级或以上星形细胞瘤或少突胶质细胞瘤。它旨在回答的主要问题是:这一趋势是否与INDIGO研究中观察到的疗效一致,以及是否与既往研究数据相比出现任何新的安全性信号?研究人员将与未治疗组进行比较。参与者不强制进行正式访视,因为这是一项真实世界研究。然而,由于患者将接受新药治疗并需要收集主要疗效数据,应进行定期访视。
【主题与分类】
主题标签:Gliomas。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06969352
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/NCT06969352
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:胶质瘤。本研究旨在评估Vorasidenib在异柠檬酸脱氢酶IDH1/2突变型2级星形细胞瘤或少突胶质细胞瘤患者中的有效性和安全性,主要目的是评估Vorasidenib在中国常规临床实践中治疗的胶质瘤患者中的有效性,患者为12岁及以上、患有IDH1或IDH2突变的II级或更高级别星形细胞瘤或少突胶质细胞瘤。其主要旨在回答的问题是:这一趋势是否与INDIGO研究中观察到的疗效一致,且与既往研究数据相比是否未出现任何新的安全性信号?研究人员将与未治疗组进行比较。由于这是一项真实世界研究,参与者并非必须进行正式访视。然而,由于患者将接受新药治疗,且需要收集主要疗效数据,因此应在常规临床实践中进行定期访视。本研究是一项多中心、回顾性与前瞻性真实世界研究,设有治疗组(Vorasidenib)和外部对照组(术后未治疗)。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




