评估口服ABBV-101在成人B细胞恶性肿瘤中的不良事件、疾病活动变化及体内过程的研究
该数据集来自clinicaltrials.gov,聚焦于成人复发或难治性非霍奇金淋巴瘤等B细胞恶性肿瘤,评估口服研究药物ABBV-101的安全性、药代动力学及初步疗效

基本信息
资源简介
评估口服ABBV-101在成人B细胞恶性肿瘤中的不良事件、疾病活动变化及体内过程的研究
该数据集来自clinicaltrials.gov,聚焦于成人复发或难治性非霍奇金淋巴瘤等B细胞恶性肿瘤,评估口服研究药物ABBV-101的安全性、药代动力学及初步疗效。覆盖慢性淋巴细胞白血病、小淋巴细胞淋巴瘤、弥漫大B细胞淋巴瘤、套细胞淋巴瘤、滤泡性淋巴瘤、边缘区淋巴瘤、华氏巨球蛋白血症及转化型惰性非霍奇金淋巴瘤等亚型。研究包含剂量递增阶段以确定最大给药剂量或最大耐受剂量,并记录不良事件。可用于药物安全性监测、剂量探索及疗效预测等研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:血液系统癌症。非霍奇金淋巴瘤(NHL)是一种由正常B和T淋巴细胞(白细胞)转化而来的癌症。本研究的目的是评估ABBV-101在成人复发或难治性(R/R)非霍奇金淋巴瘤参与者中的安全性、药代动力学和初步疗效:慢性淋巴细胞白血病(CLL)、小淋巴细胞淋巴瘤(SLL)、弥漫大B细胞淋巴瘤(DLBCL)、非生发中心B细胞(GCB)DLBCL、套细胞淋巴瘤(MCL)、滤泡性淋巴瘤(FL)、边缘区淋巴瘤(MZL)、华氏巨球蛋白血症(WM)或转化型惰性NHL。将评估不良事件。ABBV-101是一种正在开发用于治疗NHL的研究性药物。本研究将包括剂量递增阶段,以确定ABBV-101的最大给药剂量(MAD)/最大耐受剂量(MTD)。剂量递增
【主题与分类】
主题标签:Hematologic Cancer。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05753501
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/NCT05753501
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
条件:血液系统恶性肿瘤。非霍奇金淋巴瘤(NHL)是一种起源于正常B和T淋巴细胞(白细胞)转化的癌症。本研究的目的是评估ABBV-101在复发或难治性(R/R)非霍奇金淋巴瘤成人受试者中的安全性、药代动力学和初步疗效:慢性淋巴细胞白血病(CLL)、小淋巴细胞淋巴瘤(SLL)、弥漫性大B细胞淋巴瘤(DLBCL)、非生发中心B细胞(GCB)DLBCL、套细胞淋巴瘤(MCL)、滤泡性淋巴瘤(FL)、边缘区淋巴瘤(MZL)、华氏巨球蛋白血症(WM)或转化的惰性NHL。将评估不良事件。ABBV-101是一种正在开发用于治疗NHL的研究性药物。本研究将包括剂量递增阶段,以确定ABBV-101的最大给药剂量(MAD)/最大耐受剂量(MTD)。随后将进行剂量扩展第2A部分,以进一步确定接受ABBV-101单药治疗的一线治疗(1L[仅非美国])、二线或更晚治疗(2L)+ CLL/SLL或三线或更晚治疗(3L+)非GCB DLBCL受试者的安全性和疾病活动度变化。
剂量扩展第2B部分(仅限美国以外)将随后进行,以确定接受ABBV-101联合口服维奈克拉治疗的1L或2L+ CLL/SLL参与者的安全性和疾病活动变化。本研究将在全球多个中心入组约390名患有多种NHL亚型的成年参与者。在研究的剂量递增阶段,参与者将接受递增口服剂量的ABBV-101,直至确定MAD/MTD,该阶段为约100个月研究周期的一部分。在研究的剂量扩展阶段,参与者接受口服ABBV-101单药治疗或接受在剂量递增阶段确定的剂量水平的口服ABBV-101联合口服维奈克拉治疗,该阶段为约100个月研究周期的一部分。与标准治疗相比,本试验中的参与者可能承受更高的治疗负担。
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。




