HS-10382对比研究者选择的TKIs治疗新诊断Ph+ CML-CP成人患者的III期研究
该数据集来自clinicaltrials.gov,收录一项针对新诊断费城染色体阳性慢性髓性白血病慢性期(Ph+ CML-CP)成人患者的III期、多中心、开放标签、随机研究

基本信息
资源简介
HS-10382对比研究者选择的TKIs治疗新诊断Ph+ CML-CP成人患者的III期研究
该数据集来自clinicaltrials.gov,收录一项针对新诊断费城染色体阳性慢性髓性白血病慢性期(Ph+ CML-CP)成人患者的III期、多中心、开放标签、随机研究。研究比较口服HS-10382 160 mg每日两次与研究者选择的TKI(伊马替尼、尼洛替尼、达沙替尼或氟马替尼),计划随机约408例患者,按1:1比例分配,并按ELTS评分和随机前选择的TKI进行分层。数据可用于了解该临床试验的设计与分组信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:慢性髓性白血病。本研究是一项III期、多中心、开放标签、随机研究,比较口服HS-10382 160 mg每日两次与研究者选择的TKI(伊马替尼、尼洛替尼、达沙替尼或氟马替尼)在新诊断Ph+ CML-CP成人患者中的疗效。约408例患者将按1:1比例随机分配至HS-10382组和研究者选择的TKI组进入治疗期。随机化将基于以下两个分层因素进行分层:ELTS评分(低 versus 中 versus 高);随机前选择的TKI(伊马替尼 versus 2G TKI(尼洛替尼或达沙替尼或氟马替尼))。在随机化之前,研究者将与患者协商,考虑当前治疗范式、患者特征和合并症,如果……(源站描述在此处截断)
【主题与分类】
主题标签:Chronic Myeloid Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07885293
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/NCT07885293
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:慢性髓性白血病。本研究是一项III期、多中心、开放标签、随机研究,比较口服HS-10382 160 mg每日两次与研究者选择的TKI(伊马替尼、尼洛替尼、达沙替尼或氟马替尼)在新诊断Ph+ CML-CP成人患者中的疗效。约408例患者将按1:1比例随机分配至HS-10382组和研究者选择的TKI组进入治疗期。随机化将基于以下两个分层因素进行分层:ELTS评分(低危 vs 中危 vs 高危);随机化前选择的TKI(伊马替尼 vs 二代TKI(尼洛替尼或达沙替尼或氟马替尼))。在随机化之前,研究者将与患者协商,考虑当前治疗模式、患者特征及合并症,若患者被随机分配至对照组,则对伊马替尼或二代TKI(尼洛替尼或达沙替尼或氟马替尼)做出优先选择。基于这两个分层因素的分层随机化将有助于在各治疗组之间实现入组患者可能合并症和基线特征的平衡。
为进一步确保研究者选择的TKI组中,伊马替尼与二代TKI(尼洛替尼或达沙替尼或氟马替尼)之间的患者分布能够反映这些药物在临床实践中的使用情况,将基于随机化前的TKI选择,通过交互式应答技术将伊马替尼与二代TKI(尼洛替尼或达沙替尼或氟马替尼)各层的入组比例管理为约50%对50%。研究治疗持续时间:研究中的患者将继续接受指定治疗,直至研究结束、因治疗失败、疾病进展或不耐受而提前终止,或因研究者或受试者决定而终止。
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。




