来那度胺单药治疗复发难治性DLBCL

该数据集来源于clinicaltrials.gov,聚焦复发或难治性弥漫大B细胞淋巴瘤(R/R DLBCL)。其背景是一项正在进行的单臂、II期、开放标签、多中心研究(MOR208C203),评估tafasitamab联合来那度胺的疗效与安全性

MorphoSys AGMorphoSys AG
clinicaltrials
浏览 9
其他Diffuse Large B Cell Lymphoma
Lenalidomide Monotherapy in R/R DLBCL

基本信息

模态
其他
创建/更新时间
2026-10-20

资源简介

来那度胺单药治疗复发难治性DLBCL

该数据集来源于clinicaltrials.gov,聚焦复发或难治性弥漫大B细胞淋巴瘤(R/R DLBCL)。其背景是一项正在进行的单臂、II期、开放标签、多中心研究(MOR208C203),评估tafasitamab联合来那度胺的疗效与安全性。为将来那度胺单药确立为对照队列,本观察性研究旨在从真实世界证据中回顾性收集来那度胺单药治疗数据,并与tafasitamab-来那度胺联合治疗进行比较。数据可用于支持R/R DLBCL治疗方案的对照分析与真实世界研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:弥漫大B细胞淋巴瘤。Tafasitamab(MOR00208)目前正在开发用于治疗R/R DLBCL。一项正在进行的单臂、II期、开放标签、多中心研究(MOR208C203)正在评估tafasitamab联合来那度胺在R/R DLBCL患者中的疗效和安全性。为了将来那度胺单药确立为对照队列,本观察性研究旨在从真实世界证据中回顾性收集来那度胺单药治疗数据,并将其与tafasitamab-来那度胺联合治疗进行比较。

【主题与分类】

主题标签: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/NCT04150328

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04150328

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

适应症:弥漫性大B细胞淋巴瘤。Tafasitamab(MOR00208)目前正在开发用于治疗复发/难治性弥漫性大B细胞淋巴瘤(R/R DLBCL)。一项正在进行中的单臂、II期、开放标签、多中心研究(MOR208C203)正在评估tafasitamab联合来那度胺在R/R DLBCL患者中的疗效和安全性。为了建立来那度胺单药治疗作为对照队列,本观察性研究旨在从真实世界证据中收集回顾性来那度胺单药治疗数据,并将其与tafasitamab-来那度胺联合治疗进行比较。

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。

获取专属数据定制方案