比较利妥昔单抗联合来那度胺与利妥昔单抗联合化疗序贯利妥昔单抗治疗初治滤泡性淋巴瘤的3期开放标签随机研究(NHL27)
该数据集包含来自NHL27研究的个体参与者数据(IPD),这是一项3期开放标签随机试验,比较利妥昔单抗联合来那度胺与利妥昔单抗联合化疗序贯利妥昔单抗维持治疗在初治滤泡性淋巴瘤患者中的疗效与安全性

基本信息
资源简介
比较利妥昔单抗联合来那度胺与利妥昔单抗联合化疗序贯利妥昔单抗治疗初治滤泡性淋巴瘤的3期开放标签随机研究(NHL27)
该数据集包含来自NHL27研究的个体参与者数据(IPD),这是一项3期开放标签随机试验,比较利妥昔单抗联合来那度胺与利妥昔单抗联合化疗序贯利妥昔单抗维持治疗在初治滤泡性淋巴瘤患者中的疗效与安全性
A Phase 3 open-label randomized study to compare the efficacy and safety of rituximab plus lenalidomide versus rituximab plus chemotherapy followed by rituximab in subjects with previously untreated follicular lymphoma (NHL27)
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含来自NHL27研究的个体参与者数据(IPD),这是一项3期开放标签随机试验,比较利妥昔单抗联合来那度胺与利妥昔单抗联合化疗序贯利妥昔单抗维持治疗在初治滤泡性淋巴瘤患者中的疗效与安全性。数据集包括患者层面的人口学与临床信息,如年龄、性别、疾病分期、预后风险因素和基线实验室值。治疗数据包括分配治疗、给药、治疗时长和暴露。结局数据包括缓解评估、无进展生存、总生存和不良事件。研究人群包括约750名(全球)初治滤泡性淋巴瘤成年患者,入组自澳大利亚与新西兰的研究中心。数据在预设时间点收集,包括基线、诱导治疗期间
【主题与分类】
主题标签:肿瘤、淋巴瘤、滤泡性淋巴瘤、利妥昔单抗、来那度胺、开放标签随机试验、个体参与者数据。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://www.allg.org.au/datasets/nhl27/
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://doi.org/10.58109/j4sy-c128
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
该数据集包含来自NHL27研究的个体参与者数据(IPD)。NHL27研究是一项3期开放标签随机试验,旨在比较利妥昔单抗联合来那度胺与利妥昔单抗联合化疗后续利妥昔单抗维持治疗在既往未经治疗的滤泡性淋巴瘤患者中的疗效和安全性。该数据集包括患者层面的人口学和临床信息,如年龄、性别、疾病分期、预后风险因素和基线实验室值。治疗数据包括分配的治疗方案、给药剂量、治疗持续时间和暴露情况。结局数据包括缓解评估、无进展生存期、总生存期和不良事件。研究人群包括约750名(全球范围内)既往未经治疗的成人滤泡性淋巴瘤患者,入组自澳大利亚亚地区多个研究中心。数据在预设时间点采集,包括基线、诱导治疗期间、维持治疗期间以及用于疾病评估和生存结局的定期随访访视。
该数据集适用于二次分析,包括比较效果研究、治疗反应与持久性评估、安全性分析以及滤泡性淋巴瘤一线治疗策略的优化。
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。




