Odronextamab联合来那度胺对比利妥昔单抗联合来那度胺治疗成人滤泡性淋巴瘤和边缘区淋巴瘤的试验
该数据集来自clinicaltrials.gov,聚焦复发或难治性滤泡性淋巴瘤(FL)和边缘区淋巴瘤(MZL)成人患者。研究评估实验性药物odronextamab联合来那度胺的安全性、耐受性,并与利妥昔单抗联合来那度胺进行比较

基本信息
资源简介
Odronextamab联合来那度胺对比利妥昔单抗联合来那度胺治疗成人滤泡性淋巴瘤和边缘区淋巴瘤的试验
该数据集来自clinicaltrials.gov,聚焦复发或难治性滤泡性淋巴瘤(FL)和边缘区淋巴瘤(MZL)成人患者。研究评估实验性药物odronextamab联合来那度胺的安全性、耐受性,并与利妥昔单抗联合来那度胺进行比较。试验分为两部分:第一部分非随机,确定联合用药的安全性和第二部分所用剂量;第二部分随机对照。数据可用于了解该联合方案在复发/难治性FL和MZL中的研究设计、安全性和疗效评估框架(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发/难治性滤泡性淋巴瘤、复发/难治性边缘区淋巴瘤(R/R MZL)。本研究正在研究一种名为odronextamab的实验性药物(称为研究药物),与来那度胺联合使用。研究聚焦于患有两种癌症之一:滤泡性淋巴瘤(FL)或边缘区淋巴瘤(MZL)的参与者,这些癌症在治疗后复发(称为“复发”)或对治疗无应答(称为“难治”)。FL和MZL是非霍奇金淋巴瘤(NHL)的亚型。本研究将由两部分组成(第1部分非随机,第2部分随机对照)。第1部分的目的是观察研究药物与来那度胺联合用于FL或MZL参与者时的安全性和耐受性,并确定本研究第2部分将使用的 study drug 剂量。该联合方案被认为
【主题与分类】
主题标签:Relapsed/Refractory Follicular Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06149286
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/NCT06149286
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
疾病类型:复发/难治性滤泡性淋巴瘤、复发/难治性边缘区淋巴瘤(R/R MZL)。本研究正在研究一种名为odronextamab的实验性药物(称为研究药物)与来那度胺联合使用。本研究聚焦于患有两种类型癌症之一的受试者:治疗后复发(称为“复发”)或对治疗无应答(称为“难治”)的滤泡性淋巴瘤(FL)或边缘区淋巴瘤(MZL)。FL和MZL是非霍奇金淋巴瘤(NHL)的亚型。本研究将由两部分组成(第1部分非随机,第2部分随机对照)。第1部分研究的目的是观察研究药物与来那度胺联合用于FL或MZL受试者时的安全性和耐受性,并确定本研究第2部分将使用的研究药物剂量。该联合用药被视为“首次人体试验”,因为此前尚未在人体中作为联合治疗进行过测试。第2部分研究的目的是评估研究药物与来那度胺联合用药相较于利妥昔单抗(称为“对照药物”)与来那度胺联合用药的疗效。
对照药与来那度胺联合方案是目前复发/难治性FL和/或MZL的标准治疗。标准治疗是指在治疗某种疾病时预期使用和通常使用的药物。本研究正在探讨其他几个研究问题,包括:* 研究药物与来那度胺联合使用可能产生哪些副作用 * 不同时间点血液中研究药物的浓度 * 机体是否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常规活动能力的影响
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。




