奥雷巴替尼剂量优化在慢性期或加速期慢性髓性白血病患者中的观察性研究
该数据集来自 clinicaltrials.gov,为一项多中心观察性研究,针对已获得完全细胞遗传学缓解(CCyR)或 BCR::ABL1(IS)≤1% 的慢性期或加速期慢性髓性白血病(CML)患者,探讨奥雷巴替尼减量至 20 mg 隔日一次(QOD)的疗效与安全性,计划入组约 100 例

基本信息
资源简介
奥雷巴替尼剂量优化在慢性期或加速期慢性髓性白血病患者中的观察性研究
该数据集来自 clinicaltrials.gov,为一项多中心观察性研究,针对已获得完全细胞遗传学缓解(CCyR)或 BCR::ABL1(IS)≤1% 的慢性期或加速期慢性髓性白血病(CML)患者,探讨奥雷巴替尼减量至 20 mg 隔日一次(QOD)的疗效与安全性,计划入组约 100 例。主要终点为 12 个月内 CCyR 或 BCR::ABL1(IS)≤1% 的维持率,次要终点涵盖累积 MMR、MR4、MR4.5 率及多种无事件生存率和安全性,数据分析使用 SAS 9.4 与 R 4.1.2。可用于评估减量策略的疗效与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性髓性白血病。本研究是一项多中心观察性研究,旨在探讨奥雷巴替尼减量至 20 mg 隔日一次(QOD)在已获得完全细胞遗传学缓解(CCyR)或 BCR::ABL1(IS)≤1% 的慢性期或加速期慢性髓性白血病(CML)患者中的疗效与安全性。计划入组约 100 例。主要终点:12 个月内 CCyR 或 BCR::ABL1(IS)≤1% 的维持率。次要终点:累积主要分子学缓解(MMR)率、累积 MR4 率、累积 MR4.5 率、MMR 无丢失生存率、MR4 无丢失生存率、无治疗失败生存率、无进展生存率、总生存率及安全性。数据分析将使用 SAS 9.4 版和 R 4.1.2 版进行。无丢失生存率将使用 th
【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/NCT07383298
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/NCT07383298
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:慢性髓性白血病。本研究为一项多中心观察性研究,旨在探讨奥雷巴替尼减量至20 mg隔日一次(QOD)在已获得完全细胞遗传学缓解(CCyR)或BCR::ABL1(IS)≤1%的慢性期或加速期慢性髓性白血病(CML)患者中的疗效与安全性。计划入组约100例。主要终点:12个月内CCyR或BCR::ABL1(IS)≤1%的维持率。次要终点:累积主要分子学缓解(MMR)率、累积MR4率、累积MR4.5率、无MMR丢失生存率、无MR4丢失生存率、无治疗失败生存率、无进展生存率、总生存率及安全性。数据分析将采用SAS 9.4版和R 4.1.2版进行。无丢失生存率将采用Log-rank法和Kaplan-Meier法计算。累积缓解获得率将采用Fine-Gray法计算。
多因素分析将采用COX回归来识别显著影响事件发生时间变量的相关风险因素,并计算风险比(HR)和置信区间。将观察临床试验期间受试者发生的所有不良事件,包括异常的临床症状、生命体征和实验室检查结果,记录其临床表现特征、严重程度、发生时间、持续时间、处理措施及预后,并评估其与研究药物的关系。计划在12至24个月内入组100例病例,并至少观察12个月。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




