Glofitamab、Polatuzumab Vedotin与Zanubrutinib一线治疗老年DLBCL
该数据集来自clinicaltrials.gov，聚焦弥漫性大B细胞淋巴瘤（DLBCL）老年患者的一线治疗研究。数据可用于分析该联合方案在老年DLBCL人群中的疗效与安全性，支持治疗反应预测及相关临床研究（来源 clinicaltrials.gov）
基本信息
资源简介
Glofitamab、Polatuzumab Vedotin与Zanubrutinib一线治疗老年DLBCL
该数据集英文名为 Glofitamab, Polatuzumab Vedotin and Zanubrutinib in First-line Elderly DLBCL，来自 clinicaltrials.gov，聚焦弥漫性大B细胞淋巴瘤（DLBCL）老年患者的一线治疗研究。源站描述显示，这是一项前瞻性、单中心、干预性2期研究，经筛选符合条件入组的每位患者将接受 glofitamab、zanubrutinib 与 polatuzumab vedotin 的联合治疗。数据集主题标签为 Diffuse Large B-Cell Lymphoma，本站归类于肿瘤 / 淋巴瘤。相关数据可用于分析该联合方案在老年DLBCL人群中的疗效与安全性，支持治疗反应预测及相关临床研究。
【数据集背景】
弥漫性大B细胞淋巴瘤（DLBCL）是淋巴瘤领域的重要研究主题。该数据集对应的研究关注老年DLBCL患者的一线治疗，采用 glofitamab、zanubrutinib 和 polatuzumab vedotin 三种药物联合的方案。源站描述明确该研究为前瞻性、单中心、干预性2期研究，入组对象为经筛选符合条件的患者。数据集以 clinicaltrials.gov 为来源站，主题标签为 Diffuse Large B-Cell Lymphoma，本站分类为肿瘤 / 淋巴瘤。
【数据内容】
源站描述仅说明研究类型、研究条件与干预方案，即符合条件的患者接受 glofitamab、zanubrutinib 与 polatuzumab vedotin 的联合治疗。关于数据集具体包含哪些字段、变量、记录数量、随访时间点、疗效与安全性指标的具体定义等，源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov。源站描述显示研究为前瞻性、单中心、干预性2期研究，患者需经筛选符合条件后方可入组并接受联合治疗。关于数据采集的具体流程、采集时间范围、采集机构与数据管理方式等，源站未提供。
【适用场景】
依据主题标签与源站描述，该数据集可用于分析 glofitamab、zanubrutinib 与 polatuzumab vedotin 联合方案在老年DLBCL人群中的疗效与安全性，支持治疗反应预测及相关临床研究。关于其他潜在应用场景，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据读取方式、字段说明、分析建议或配套工具等。
【质量与限制】
源站描述表明该研究为单中心、2期研究，样本来源与研究中心范围有限。关于数据完整性、缺失情况、质量控制措施、偏倚风险及其他质量相关指标，源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。使用时应以 clinicaltrials.gov 来源站的相关规定为准，具体引用与许可要求源站未提供。
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/NCT07012980
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
条件：弥漫性大B细胞淋巴瘤。本研究是一项前瞻性、单中心、干预性2期研究。每位筛选合格参与本研究的患者将接受glofitamab、zanubrutinib和polatuzumab vedotin的联合治疗。
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。
