Odronextamab联合化疗对比利妥昔单抗联合化疗治疗初治成人弥漫性大B细胞淋巴瘤的疗效与安全性研究
本研究针对弥漫性大B细胞淋巴瘤(DLBCL)患者,含既往未治疗及复发或难治者,评估试验药odronextamab联合化疗

基本信息
资源简介
Odronextamab联合化疗对比利妥昔单抗联合化疗治疗初治成人弥漫性大B细胞淋巴瘤的疗效与安全性研究
本研究针对弥漫性大B细胞淋巴瘤(DLBCL)患者,含既往未治疗及复发或难治者,评估试验药odronextamab联合化疗。研究分1A、1B和2部分。1A和1B旨在了解安全性、耐受性并确定第2部分剂量和方案;第2部分旨在比较该联合方案与利妥昔单抗联合化疗(现行标准治疗)的有效性。研究还关注副作用、血药浓度、抗药抗体及对生活质量和日常活动的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:弥漫性大B细胞淋巴瘤(DLBCL)。本研究正在研究一种名为odronextamab的试验性药物(称为研究药物)与化疗联合使用的情况。本研究聚焦于既往未接受过治疗的弥漫性大B细胞淋巴瘤(DLBCL)患者(称为“既往未接受治疗”)。治疗后复发(称为“复发”)或对治疗无应答(称为“难治”)的DLBCL患者也可参加本研究。本研究将由第1A部分、第1B部分和第2部分组成。第1A部分和第1B部分的目的是观察研究药物与化疗联合使用的安全性和耐受性,并确定第2部分中研究药物与化疗联合使用的剂量和给药方案。第2部分的目的是评估研究药物联合化疗与利妥昔单抗(对照药物)联合化疗相比的有效性,后者是目前获批用于DLBCL的标准治疗。标准治疗是指针对某种疾病接受治疗时预期并使用的一贯药物。本研究还在考察其他几项研究问题,包括: 研究药物与化疗联合使用时可能发生哪些副作用 不同时间点血液中的研究药物量 机体是否会产生针对研究药物的抗体(这可能降低研究药物疗效或导致副作用) 研究药物对生活质量和完成日常活动能力的影响
【主题与分类】
主题标签:Diffuse Large B-cell Lymphoma (DLBCL)。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06091865
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/NCT06091865
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:弥漫性大B细胞淋巴瘤(DLBCL)。本研究正在研究一种名为odronextamab的试验性药物(称为研究药物)与化疗联合使用的情况。本研究聚焦于既往未接受过治疗的弥漫性大B细胞淋巴瘤(DLBCL)患者(称为“既往未接受治疗”)。治疗后复发(称为“复发”)或对治疗无应答(称为“难治”)的DLBCL患者也可参加本研究。本研究将由第1A部分、第1B部分和第2部分组成。第1A部分和第1B部分的目的是观察研究药物与化疗联合使用的安全性和耐受性,并确定第2部分中研究药物与化疗联合使用的剂量和给药方案。第2部分的目的是评估研究药物联合化疗与利妥昔单抗(对照药物)联合化疗相比的有效性,后者是目前获批用于DLBCL的标准治疗。标准治疗是指针对某种疾病接受治疗时预期并使用的一贯药物。本研究还在考察其他几项研究问题,包括:
- 研究药物与化疗联合使用时可能发生哪些副作用
- 不同时间点血液中的研究药物量
- 机体是否会产生针对研究药物的抗体(这可能降低研究药物疗效或导致副作用)
- 研究药物对生活质量和完成日常活动能力的影响
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。




