高危复发或难治性霍奇金淋巴瘤维持免疫治疗对比化疗联合自体干细胞移植的评估
该数据集来自 clinicaltrials.gov,聚焦复发或难治性经典霍奇金淋巴瘤(R/R cHL)患者,比较检查点抑制剂维持治疗联合局部放疗与标准化疗联合自体干细胞移植(HDT-ASCT)的疗效与安全性

基本信息
资源简介
高危复发或难治性霍奇金淋巴瘤维持免疫治疗对比化疗联合自体干细胞移植的评估
该数据集来自 clinicaltrials.gov,聚焦复发或难治性经典霍奇金淋巴瘤(R/R cHL)患者,比较检查点抑制剂维持治疗联合局部放疗与标准化疗联合自体干细胞移植(HDT-ASCT)的疗效与安全性。覆盖标准风险和高风险人群,主要终点包括无进展生存期(PFS)和总生存期(OS),并评估治疗相关毒性。数据可用于分析不同治疗策略对生存结局的影响,支持临床决策与预后预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发性经典霍奇金淋巴瘤、难治性经典霍奇金淋巴瘤。主要目标:I. 在复发/难治性经典霍奇金淋巴瘤(R/R cHL)患者中,证明基于检查点抑制剂的维持治疗联合局部放疗相较于标准化疗联合自体干细胞移植(HDT-ASCT)在无进展生存期(PFS)上的非劣效性(及可能优效性)。(III期标准风险)II. 在R/R cHL患者中,证明HDT-ASCT后基于检查点抑制剂的维持治疗相较于标准治疗HDT-ASCT在改善PFS方面的优效性。(II期高风险)次要目标:I. 评估标准风险组和高风险组各治疗组的总生存期(OS)。II. 评估标准风险组和高风险组治疗方案的安全性和毒性。探索性目标:I. 评估pro
【主题与分类】
主题标签:Recurrent Classic Hodgkin Lymphoma、Refractory Classic Hodgkin Lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07572123
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/NCT07572123
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
疾病状态:复发性经典型霍奇金淋巴瘤、难治性经典型霍奇金淋巴瘤。主要目标:I. 证明在复发/难治性经典型霍奇金淋巴瘤(R/R cHL)患者中,基于检查点抑制剂的维持治疗联合局部放疗在无进展生存期(PFS)方面不劣于(且可能优于)标准治疗HDT-ASCT。(III期标准风险)II. 证明在R/R cHL患者中,HDT-ASCT后基于检查点抑制剂的维持治疗在改善PFS方面优于标准治疗HDT-ASCT。(II期高风险)次要目标:I. 评估标准风险组和高风险组中各治疗组的总生存期(OS)。II. 评估标准风险组和高风险组中治疗方案的安全性和毒性。探索性目标:I. 评估与HDT-ASCT后进展风险相关的预后因素(乳酸脱氢酶[LDH]、红细胞沉降率[ESR]、至复发时间、B症状、结外病变、分期、肿块大小、检查点抑制剂治疗、ASCT时的缓解情况)(B组和D组)。II.
比较所采用的各种放射治疗模式(例如三维适形放射治疗[3D-CRT]、调强放射治疗[IMRT]、质子治疗)的影响及其与剂量学和临床结局的关联,包括放疗结束时的毒性评估(2级及以上)。III. 评估部分代谢缓解(PMR)接受放射治疗的患者与完全代谢缓解(CMR)患者相比,在研究所有组别中的无进展生存期(PFS)。大纲:标准风险队列的患者被分配至S组,高风险队列的患者被分配至H组。S组:患者接受标准治疗的挽救治疗,最多2-4个周期,由研究者选择。完成挽救治疗后,无稳定疾病(SD)或进展性代谢疾病(PMD)的患者被随机分配至A组或B组。A组:患者
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。




