Zilovertamab vedotin(MK-2140)联合标准治疗复发或难治性弥漫大B细胞淋巴瘤(rrDLBCL)受试者的研究(MK-2140-003)
2/3期随机、多中心、开放标签、剂量确认与扩展研究,评估ZV联合标准治疗用于rrDLBCL的安全性及有效性。研究分剂量确认和疗效扩展两部分,入组≥18岁患者

基本信息
资源简介
Zilovertamab vedotin(MK-2140)联合标准治疗复发或难治性弥漫大B细胞淋巴瘤(rrDLBCL)受试者的研究(MK-2140-003)
2/3期随机、多中心、开放标签、剂量确认与扩展研究,评估ZV联合标准治疗用于rrDLBCL的安全性及有效性。研究分剂量确认和疗效扩展两部分,入组≥18岁患者。假设按Lugano标准由BICR评估PFS:ZV+R-GemOx优于R-GemOx,ZV+BR优于BR。方案修正4(2024年4月4日生效)停止Cohort B(BR和ZV+BR)入组,不进行其疗效分析和假设检验(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:DLBCL,弥漫大B细胞淋巴瘤。这项2/3期、随机、多中心、开放标签、剂量确认和扩展研究的目的是评估zilovertamab vedotin(ZV)联合标准治疗方案用于治疗rrDLBCL的安全性和有效性。本研究将分为2个部分:剂量确认(第1部分)和疗效扩展(第2部分),并将入组年龄至少18岁且患有rrDLBCL的受试者。假设为:ZV联合利妥昔单抗、吉西他滨和奥沙利铂(R-GemOx)在由盲态独立审查委员会(BICR)根据Lugano疗效标准评估的无进展生存期(PFS)方面优于R-GemOx;以及ZV联合苯达莫司汀和利妥昔单抗(BR)在由BICR根据Lugano疗效标准评估的PFS方面优于BR。根据方案修正案4(生效日期:2024年4月4日),队列B(研究组:苯达莫司汀联合利妥昔单抗[BR]和ZV + BR)的入组已终止。将不对队列B进行疗效结局分析和假设检验。
【主题与分类】
主题标签:DLBCL、Diffuse Large B-Cell Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05139017
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/NCT05139017
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:DLBCL,弥漫大B细胞淋巴瘤。这项2/3期、随机、多中心、开放标签、剂量确认和扩展研究的目的是评估zilovertamab vedotin(ZV)联合标准治疗方案用于治疗rrDLBCL的安全性和有效性。本研究将分为2个部分:剂量确认(第1部分)和疗效扩展(第2部分),并将入组年龄至少18岁且患有rrDLBCL的受试者。假设为:ZV联合利妥昔单抗、吉西他滨和奥沙利铂(R-GemOx)在由盲态独立审查委员会(BICR)根据Lugano疗效标准评估的无进展生存期(PFS)方面优于R-GemOx;以及ZV联合苯达莫司汀和利妥昔单抗(BR)在由BICR根据Lugano疗效标准评估的PFS方面优于BR。根据方案修正案4(生效日期:2024年4月4日),队列B(研究组:苯达莫司汀联合利妥昔单抗[BR]和ZV + BR)的入组已终止。将不对队列B进行疗效结局分析和假设检验。
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。




