Selumetinib联合Azacitidine治疗高危慢性血液肿瘤研究
该数据集来自clinicaltrials.gov,收录一项关于Selumetinib联合标准剂量Azacitidine治疗高危慢性血液肿瘤的I期、开放标签、剂量递增研究

基本信息
资源简介
Selumetinib联合Azacitidine治疗高危慢性血液肿瘤研究
该数据集来自clinicaltrials.gov,收录一项关于Selumetinib联合标准剂量Azacitidine治疗高危慢性血液肿瘤的I期、开放标签、剂量递增研究。适应症包括慢性髓性白血病和骨髓纤维化。研究按疾病类型将受试者分为MDS及MDS/MPN队列与骨髓纤维化队列,分别独立进行剂量递增,采用3+3设计评估三个Selumetinib剂量水平,以确定最大耐受剂量。数据可用于血液肿瘤联合用药的剂量探索与安全性分析(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、骨髓纤维化。这是一项I期、开放标签、剂量递增研究,旨在确定Selumetinib与标准剂量Azacitidine联合使用时的MTD。出于DLT评估目的,受试者将被分为2个队列——队列A将包括MDS和MDS/MPN受试者;队列B将包括骨髓纤维化受试者。剂量递增将在每个队列中独立进行。因此,MTD的确定也将在每个队列内独立进行。计划评估三个Selumetinib剂量水平。剂量递增将遵循3+3研究设计。患者将按上述疾病类型分层依次入组。只有在至少3名患者已在较低剂量下接受治疗并随访规定的DLT观察期(28天)后,才会开放更高剂量水平的入组。
【主题与分类】
主题标签:Chronic Myeloid Leukemia、Myelofibroses。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03326310
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/NCT03326310
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、骨髓纤维化。这是一项I期、开放标签、剂量递增研究,旨在确定selumetinib与标准剂量阿扎胞苷联合使用时的MTD。出于DLT评估目的,受试者将分层为2个队列——队列A将包括MDS和MDS/MPN受试者;队列B将包括骨髓纤维化受试者。剂量递增将在每个队列中独立进行。因此,MTD的确定也将在每个队列内独立进行。计划评估selumetinib的3个剂量水平。剂量递增将遵循3+3研究设计。患者将按上述疾病类型依次入组并分层。只有在较低剂量下至少3例患者接受治疗、完成规定的DLT观察期(28天,见下文第2.8节)随访,并且较低剂量水平被判定为安全后,才会开放更高剂量水平入组。3+3剂量递增算法将按如下进行:1. 如果某一剂量水平下0/3例患者发生DLT,则递增至下一剂量水平。2.
若某一剂量水平有1/3患者出现DLT,则在该剂量水平额外入组3例患者。1. 在该剂量水平,若有1/6患者出现DLT,则递增至下一剂量水平。2. 若≥2/6患者出现DLT,则该剂量水平将被判定为毒性过高。3. 若某一剂量水平有2-3/3患者出现DLT,则该剂量水平将被判定为毒性过高。4. 将有6例患者在MTD接受治疗。1. 若研究推进至剂量水平3时0/3患者出现DLT,则将在该剂量水平额外入组3例患者,以获取更多关于毒性的信息。2. 若某一剂量水平被判定为毒性过高,而下一较低剂量水平仅纳入3例患者,则将在该较低剂量水平额外治疗3例患者,以确认耐受性。5. 若剂量水平3无患者报告DLT,则该剂量将被定义为MTD,且剂量将不再向上递增。
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。




