CPX-351联合GO治疗55岁及以上AML受试者研究
该数据集来自clinicaltrials.gov,收录一项开放标签临床研究,评估CPX-351联合gemtuzumab ozogamicin(GO)作为首次强化治疗在55岁以上新诊断急性髓系白血病(AML)受试者中的安全性和有效性,受试者需适合强化诱导化疗,或既往低强度治疗失败但适合高强度化疗

基本信息
资源简介
CPX-351联合GO治疗55岁及以上AML受试者研究
该数据集来自clinicaltrials.gov,收录一项开放标签临床研究,评估CPX-351联合gemtuzumab ozogamicin(GO)作为首次强化治疗在55岁以上新诊断急性髓系白血病(AML)受试者中的安全性和有效性,受试者需适合强化诱导化疗,或既往低强度治疗失败但适合高强度化疗。研究包含伴随认知功能测试,以判断其是否影响结局。受试者可能接受过非强化方案(如去甲基化药物、低剂量阿糖胞苷、来那度胺)或相关临床试验药物,但未接受过含蒽环类和/或持续输注阿糖胞苷的强化AML治疗。数据可用于分析该联合方案在老年AML人群中的疗效与安全性相关结局(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性髓系白血病。这是一项开放标签研究,旨在评估CPX-351联合gemtuzumab ozogamicin(GO)作为首次强化治疗在年龄>55岁、新诊断AML且适合强化诱导化疗的受试者中的安全性和有效性,或用于既往低强度治疗失败但适合高强度化疗的AML受试者,并伴随认知功能测试以确定其是否对这些受试者的结局有贡献。受试者可能既往接受过非强化方案的AML治疗,例如去甲基化药物、低剂量阿糖胞苷、来那度胺,或与去甲基化药物或低剂量阿糖胞苷联合的临床试验药物,但在入组本试验前可能未接受过含蒽环类和/或持续输注阿糖胞苷的强化AML治疗。受试者
【主题与分类】
主题标签:Acute Myeloid Leukemia。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03878927
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/NCT03878927
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:急性髓系白血病。这是一项开放标签研究,旨在评估CPX-351联合吉妥珠单抗奥唑米星(GO)作为首次强化治疗在以下受试者中的安全性和有效性:年龄>55岁、新诊断AML且适合接受强化诱导化疗的老年受试者,或既往低强度治疗失败但适合接受高强度化疗的AML受试者,同时进行配套的认知功能测试,以确定其是否影响这些受试者的结局。受试者此前可能接受过非强化方案的AML治疗,例如去甲基化药物、低剂量阿糖胞苷或来那度胺,或联合去甲基化药物或低剂量阿糖胞苷的临床试验药物,但在本试验入组前不得接受过含蒽环类药物和/或输注阿糖胞苷的强化AML治疗。受试者在入组本试验前不得接受过GO或其他靶向CD33的抗体治疗。该队列将纳入30名接受CPX-351与GO联合治疗的受试者,旨在确立该联合方案的安全性和可行性。
这些受试者将接受疗效和安全性评估。所有受试者的生活质量将采用FACT-LEU进行评估。认知功能将采用Blessed定向-记忆-注意力测验和蒙特利尔认知评估进行评估。
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。




