Elranatamab治疗复发难治性多发性骨髓瘤的IV期研究
该数据集来自clinicaltrials.gov,收录一项在印度开展的IV期、多中心、开放标签、单臂研究,旨在评估Elranatamab在复发或难治性多发性骨髓瘤成人患者中的安全性和有效性

基本信息
资源简介
Elranatamab治疗复发难治性多发性骨髓瘤的IV期研究
该数据集来自clinicaltrials.gov,收录一项在印度开展的IV期、多中心、开放标签、单臂研究,旨在评估Elranatamab在复发或难治性多发性骨髓瘤成人患者中的安全性和有效性。研究对象为既往接受过至少四线治疗(包括免疫调节剂、蛋白酶体抑制剂和抗CD38抗体)且末次治疗出现疾病进展的患者,计划在约10个中心入组约100名参与者。数据可用于了解该药物在印度患者群体中的上市后表现(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:复发/难治性多发性骨髓瘤、多发性骨髓瘤。这项IV期、多中心、开放标签、单臂研究是在印度药品管理总局(CDSCO)批准elranatamab之后在印度开展的。该研究旨在满足上市后要求,并进一步表征elranatamab在印度复发或难治性多发性骨髓瘤患者中的安全性和有效性。该研究计划在印度约10个中心入组约100名参与者。研究人群由印度成人复发或难治性多发性骨髓瘤患者组成,这些患者已接受过至少四线既往治疗,包括免疫调节剂、蛋白酶体抑制剂和抗CD38抗体,且末次治疗出现疾病进展。符合入选标准的参与者将
【主题与分类】
主题标签:Relapsed/Refractory Multiple Myeloma、Multiple Myeloma。本站分类:肿瘤/多发性骨髓瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07881835
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/NCT07881835
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
适应症:复发/难治性多发性骨髓瘤、多发性骨髓瘤。这项4期、多中心、开放标签、单臂研究是在印度中央药品标准控制组织(CDSCO)批准elranatamab后于印度开展的。该研究旨在满足上市后要求,并进一步表征elranatamab在印度复发或难治性多发性骨髓瘤患者中的安全性和有效性。该研究计划在印度约10个研究中心入组约100名受试者。研究人群由印度成年复发或难治性多发性骨髓瘤患者组成,这些患者既往至少接受过四线治疗,包括免疫调节剂、蛋白酶体抑制剂和抗CD38抗体,且在接受末次治疗期间出现疾病进展。符合入选标准的受试者将进入开放标签治疗阶段,接受elranatamab单药治疗。Elranatamab将采用递增给药方案给药,即第1天12 mg、第4天32 mg,随后从第2周至第24周以76 mg全治疗剂量每周给药一次。
对于已接受至少24周治疗且达到缓解的受试者,给药间隔将调整为每2周一次。随后,若缓解得以维持,根据研究者的判断,可在第13周期第1天之后将给药间隔延长至每4周一次。研究评估将按照活动时间表进行,包括疾病缓解评估、安全性监测以及研究特定临床数据的收集。本研究无对照药或对照组。在研究治疗完成或终止后,受试者将进行结束治疗(EOT)访视,预计在入组后约12个月进行。受试者随后将在研究治疗末次给药后约3个月完成安全性随访访视。本研究将进一步明确安全
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。




