REGN9220联合Odronextamab治疗复发或难治性侵袭性B细胞非霍奇金淋巴瘤的临床试验
该数据集来自clinicaltrials.gov,为一项临床试验记录,研究REGN9220联合Regeneron药物odronextamab治疗复发或难治性侵袭性B细胞非霍奇金淋巴瘤(BCNHL),条件包括弥漫性大B细胞淋巴瘤(DLBCL)

基本信息
资源简介
REGN9220联合Odronextamab治疗复发或难治性侵袭性B细胞非霍奇金淋巴瘤的临床试验
该数据集来自clinicaltrials.gov,为一项临床试验记录,研究REGN9220联合Regeneron药物odronextamab治疗复发或难治性侵袭性B细胞非霍奇金淋巴瘤(BCNHL),条件包括弥漫性大B细胞淋巴瘤(DLBCL)。研究评估联合用药的副作用、疗效、血药浓度、抗药抗体产生及机体和免疫系统变化。数据可用于了解该联合方案的安全性、有效性及药代动力学特征,支持淋巴瘤治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:弥漫性大B细胞淋巴瘤(DLBCL)。本研究将测试一种名为REGN9220的新实验性研究药物与一种名为odronextamab的Regeneron药物(两者均称为“研究药物”)联合使用,看其是否能帮助治疗侵袭性BCNHL患者,这些患者的疾病要么复发/恶化,要么对先前治疗无应答。本研究关注: REGN9220与odronextamab联合给药时可能引起哪些副作用 REGN9220与odronextamab联合给药时的疗效如何 在不同时间点联合给药时REGN9220在血液中的浓度 联合给药时机体是否产生针对REGN9220的抗体,这可能导致REGN9220疗效降低 联合给药后机体和免疫系统发生哪些变化,这有助于研究人员理解为何REGN9220联合odronextamab对某些人效果更好而对另一些人效果较差 什么是b
【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/NCT07887750
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/NCT07887750
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)。本研究将测试一种名为REGN9220的新试验性研究药物与Regeneron公司药物odronextamab(两者均称为“研究药物”)联合使用,能否帮助治疗侵袭性BCNHL患者,这些患者的疾病要么复发/恶化,要么对既往治疗无应答。本研究旨在考察:* REGN9220与odronextamab联合给药时可能引起哪些副作用 * REGN9220与odronextamab联合给药时的疗效如何 * REGN9220与odronextamab联合给药时在不同时间点血液中的药物浓度 * 与odronextamab联合给药时,机体是否会产生针对REGN9220的抗体,这可能导致REGN9220疗效降低 * 接受REGN9220与odronextamab联合给药后,机体和免疫系统发生的变化,这有助于研究人员理解为何REGN9220联合odronextamab对某些人的效果优于其他人 * REGN9220与odronextamab联合给药时的最佳剂量
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。




