允许在诺华资助研究中接受Nilotinib治疗的患者继续获取Nilotinib的研究
该数据集来自clinicaltrials.gov,为一项多中心、开放标签、单臂IV期研究,旨在更好地描述nilotinib在诺华资助研究中接受治疗并从中获益的患者的长期安全性

基本信息
资源简介
允许在诺华资助研究中接受Nilotinib治疗的患者继续获取Nilotinib的研究
该数据集来自clinicaltrials.gov,为一项多中心、开放标签、单臂IV期研究,旨在更好地描述nilotinib在诺华资助研究中接受治疗并从中获益的患者的长期安全性。覆盖慢性髓性白血病、转移性胃肠道间质瘤、急性淋巴细胞白血病及KIT突变黑色素瘤患者。入组患者需来自诺华资助的nilotinib研究、从nilotinib治疗中获益并满足母研究所有要求。研究未进行样本量估计,患者每季度(12周±1周)返回研究中心进行计划访视,收集不良事件(非严重和严重不良事件)、研究者临床获益评估及研究药物相关信息(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(CML)、转移性胃肠道间质瘤(GIST)、急性淋巴细胞白血病(ALL)、受体酪氨酸激酶(KIT)突变黑色素瘤。这是一项多中心、开放标签、单臂IV期研究,旨在更好地描述nilotinib在诺华资助研究中接受治疗并从nilotinib治疗中获益的患者的长期安全性。已入组诺华资助的nilotinib研究、从nilotinib治疗中获益并满足母研究所有要求的患者可入组本滚动研究。本研究未进行样本量估计。患者每季度(12周±1周)返回研究中心进行计划访视。不良事件(AEs)(非严重和严重AEs)、研究者临床获益评估及研究药物
【主题与分类】
主题标签:Chronic Myelogenous Leukemia (CML)、Acute Lymphoblastic Leukemia (ALL)。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01735955
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/NCT01735955
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(CML)、转移性胃肠道间质瘤(GIST)、急性淋巴细胞白血病(ALL)、受体酪氨酸激酶(KIT)突变型黑色素瘤。这是一项多中心、开放标签、单臂、IV期研究,旨在更好地描述尼洛替尼在诺华申办研究中接受治疗且从尼洛替尼治疗中获益的患者的长期安全性特征。已入组诺华申办的尼洛替尼研究、从尼洛替尼治疗中获益并满足母研究所有要求的患者可入组本滚动研究。本研究未进行样本量估算。患者每季度(12周±1周)返回研究中心进行计划访视。收集不良事件(AEs)(非严重和严重AEs)、研究者对临床获益的评估以及研究药物发放信息。本滚动研究的原始方案旨在为入组尼洛替尼研究的患者提供尼洛替尼治疗的延续。
因此,原始方案并未要求将不良事件(非严重和严重不良事件)收集至临床数据库,仅要求在整个研究期间将严重不良事件(SAEs)收集至诺华安全性数据库。预定访视频率为每年一次。然而,卫生监管机构的反馈指出,应收集所有不良事件。为此,方案于2016年进行了修订(方案修订版3(PA 3)),主要目标变更为评估尼洛替尼的长期安全性。因此,PA 3开始要求将所有不良事件(非严重和严重不良事件)录入临床数据库,同时继续将SAE收集至诺华安全性数据库。与此同时,预定访视频率从每年一次增加至每季度一次,方案亦经修订,要求研究者对患者的临床获益进行评估。
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。




