AGS67E递增剂量治疗复发或难治性淋巴恶性肿瘤的安全性、耐受性和药代动力学研究
本数据集来自clinicaltrials.gov,收录一项关于AGS67E单药治疗复发或难治性淋巴恶性肿瘤的剂量递增研究

基本信息
资源简介
AGS67E递增剂量治疗复发或难治性淋巴恶性肿瘤的安全性、耐受性和药代动力学研究
本数据集来自clinicaltrials.gov,收录一项关于AGS67E单药治疗复发或难治性淋巴恶性肿瘤的剂量递增研究。研究分两部分:先在不使用髓系生长因子条件下递增剂量,确定最大耐受剂量;再在使用髓系生长因子条件下递增剂量并确定最大耐受剂量。受试者每三周接受一次30分钟静脉输注,持续治疗至疾病进展、不耐受、研究者决定或撤回知情同意。确定最大耐受剂量后,可能按数据审查团队推荐剂量入组各12例的扩展队列。数据可用于肿瘤治疗安全性、耐受性及药代动力学相关分类研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发淋巴恶性肿瘤、难治淋巴恶性肿瘤。该剂量递增研究将分为两部分:1. 不使用髓系生长因子(GF)的AGS67E剂量递增;2. 使用髓系生长因子(GF)的AGS67E剂量递增。受试者将按顺序入组剂量队列,从无GF的AGS67E开始。所有受试者将每三周接受一次30分钟的单次静脉(IV)输注AGS67E。受试者将持续治疗直至疾病进展、AGS67E不耐受、研究者决定或撤回知情同意。该剂量递增将首先确定无GF的AGS67E最大耐受剂量(MTD),然后确定有GF的AGS67E的MTD。一旦确定MTD,研究可能按数据审查团队(DRT)推荐的剂量将受试者入组各自的扩展队列,每个队列12名受试者(扩展队列
【主题与分类】
主题标签:Relapsed Lymphoid Malignancy、Refractory Lymphoid Malignancy。本站分类:肿瘤/毛细胞白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02175433
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/NCT02175433
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
适应症:复发性淋巴样恶性肿瘤、难治性淋巴样恶性肿瘤。剂量递增研究将分为两部分:1. 无髓系生长因子(GF)条件下AGS67E的剂量递增;2. 有髓系生长因子(GF)条件下AGS67E的剂量递增。受试者将按顺序入组剂量队列,首先为无GF条件下的AGS67E。所有受试者将每三周接受一次30分钟的单次静脉(IV)输注AGS67E。受试者将持续接受治疗,直至疾病进展、AGS67E不耐受、研究者决定或撤回知情同意。该剂量递增研究将首先确定无GF条件下AGS67E的最大耐受剂量(MTD),然后确定有GF条件下AGS67E的MTD。一旦确定MTD,研究可按数据审查团队(DRT)推荐的剂量入组各自的扩展队列,每个队列12名受试者(无GF扩展队列和/或有GF扩展队列)。在剂量递增期间,数据审查团队将中期审查累积的未审核数据,以审查受试者安全性、建议探索额外剂量和/或给药方案,或扩展现有队列。
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。




