Linvoseltamab对比埃罗妥珠单抗、泊马度胺和地塞米松联合方案治疗复发/难治性多发性骨髓瘤成人患者的疗效试验
条件：复发难治性多发性骨髓瘤（RRMM）。本研究正在研究一种名为 linvoseltamab 的实验性药物，也称为 REGN5458
基本信息
资源简介
Linvoseltamab对比埃罗妥珠单抗、泊马度胺和地塞米松联合方案治疗复发/难治性多发性骨髓瘤成人患者的疗效试验
本数据集收录了一项针对复发难治性多发性骨髓瘤（Relapsed Refractory Multiple Myeloma, RRMM）的临床试验信息，英文名称为“A Trial to Learn How Well Linvoseltamab Works Compared to the Combination of Elotuzumab, Pomalidomide and Dexamethasone for Adult Participants With Relapsed/Refractory Multiple Myeloma”。该试验聚焦于成年复发难治性多发性骨髓瘤患者，研究一种名为 linvoseltamab（又称 REGN5458）的实验性药物，并将其与由 elotuzumab、pomalidomide 和 dexamethasone 组成的联合方案进行比较。数据集来源于 clinicaltrials.gov，本站将其归类于肿瘤 / 其他分类下，主题标签为 Relapsed Refractory Multiple Myeloma (RRMM)。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面进行介绍。
【数据集背景】
多发性骨髓瘤是一种影响浆细胞的血液系统恶性肿瘤，部分患者在接受多线治疗后会出现疾病复发或难治的情况，即复发难治性多发性骨髓瘤（RRMM）。这类患者往往已经无法从标准治疗中继续获益，且缺乏良好的治疗选择。本数据集所对应的研究正是针对这一临床困境而设计。研究中的实验性药物 linvoseltamab（REGN5458）此前已在晚期多发性骨髓瘤患者中作为单药进行过研究，这些患者在多轮其他治疗失败后疾病复发并需要再次治疗。在该早期研究中，部分接受 linvoseltamab 治疗的参与者出现了骨髓瘤改善，表现为肿瘤缩小，其中一些参与者甚至达到了完全缓解，即治疗清除了体内所有可检测到的骨髓瘤证据。基于这些背景，当前研究进一步将 linvoseltamab 与 elotuzumab、pomalidomide 和 dexamethasone 的联合方案进行对比，重点纳入既往接受过一至四线治疗后又复发或需要再次治疗的多发性骨髓瘤患者。
【数据内容】
本数据集的核心内容围绕上述临床试验展开，涵盖试验所针对的疾病条件、研究药物及对照方案等关键要素。具体而言，数据涉及的条件为复发难治性多发性骨髓瘤（RRMM）；研究的干预措施包括实验性药物 linvoseltamab（REGN5458），以及作为对照的 elotuzumab、pomalidomide 和 dexamethasone 联合方案。数据集还包含该试验在 clinicaltrials.gov 上的源站描述信息，其中说明了研究背景、既往研究结果以及当前研究的目标人群特征。关于试验的具体入组人数、分组细节、主要终点与次要终点、统计分析方法、研究周期、随访时间等具体数据字段，源站未提供。
【采集与来源】
该数据集的信息采集自 clinicaltrials.gov，这是一个公开的临床试验注册与信息发布平台。数据集的英文名称、疾病条件、研究药物名称、对照方案以及源站描述均直接来自该平台所登记的试验记录。本站对数据进行了分类整理，将其归入肿瘤 / 其他类别，并提取了主题标签“Relapsed Refractory Multiple Myeloma (RRMM)”。关于数据采集的具体时间、更新频率、原始记录的版本号或最后更新日期等元数据，源站未提供。
【适用场景】
该数据集适用于对复发难治性多发性骨髓瘤治疗研究感兴趣的用户，包括临床研究人员、医药研发人员、医学信息分析人员以及关注该疾病领域进展的患者和家属。通过该数据集，用户可以了解 linvoseltamab 这一实验性药物在 RRMM 患者中与 elotuzumab、pomalidomide 和 dexamethasone 联合方案进行对比的临床试验概况。它可用于支持文献调研、试验筛选、治疗格局分析等场景，帮助用户快速定位相关临床试验信息。需要注意的是，该数据集仅提供试验的描述性信息，不包含患者个体数据或统计结果，因此不适用于直接的临床决策或疗效评估。
【使用方法】
用户可以通过本站的分类浏览或主题标签检索到该数据集，并查看其英文名称、疾病条件、研究药物、对照方案以及源站描述等字段。如需获取更详细或最新的试验信息，可依据数据集提供的英文名称和来源站信息，前往 clinicaltrials.gov 进行进一步查询。在使用时，建议结合源站描述理解研究背景，并注意区分实验性药物与对照方案。由于数据集未提供具体的研究结果数据，用户不应基于此数据集直接推断 linvoseltamab 相对于对照方案的疗效或安全性结论。
【质量与限制】
该数据集的信息来源于 clinicaltrials.gov 的试验注册记录，具有一定的权威性和可追溯性。然而，其内容主要为试验的描述性信息，缺乏具体的入组标准细节、样本量、终点指标、统计结果、不良事件数据等关键内容。此外，源站描述在末尾处出现截断，未能完整呈现全部信息。数据集未提供数据更新机制、版本控制或质量校验说明。因此，该数据集适合作为临床试验的索引和背景参考，但不足以支撑系统评价、荟萃分析或疗效比较等需要详细数据的用途。用户在使用时应意识到这些限制，并查阅原始注册记录以获取完整信息。
【引用与许可】
该数据集的来源站为 clinicaltrials.gov，引用时应注明原始试验的英文名称及来源平台。关于该数据集的具体许可协议、使用条款、版权归属以及是否允许商业使用等信息，源站未提供。用户在使用和传播时，应遵守 clinicaltrials.gov 的相关规定，并尊重原始试验注册信息的引用规范。
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/NCT05730036
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：复发性难治性多发性骨髓瘤（RRMM）。本研究正在研究一种名为 linvoseltamab 的试验性药物，也称为 REGN5458。Linvoseltamab 此前曾在晚期多发性骨髓瘤受试者中单独研究过（不与其他抗癌药物联用），这些受试者的疾病在许多其他治疗失败后复发并需要再次治疗。这些受试者已不再从标准药物中获益，且没有好的治疗选择。在那项研究中，一些接受 linvoseltamab 治疗的受试者骨髓瘤得到改善（肿瘤缩小），包括一些达到完全缓解的受试者（即治疗清除了其体内所有骨髓瘤证据）。本研究聚焦于在既往接受过1至4种治疗后多发性骨髓瘤复发或需要再次治疗，并且有可用的标准抗癌治疗选择的受试者。
本研究旨在了解，在接受过包含来那度胺、一种蛋白酶体抑制剂以及（某些国家的参与者）一种分化簇38（CD38）抗体的既往治疗后出现疾病复发的参与者中，linvoseltamab 与三种抗癌药物——elotuzumab、pomalidomide 和 dexamethasone（称为 EPd）——的联合方案相比，安全性和有效性如何。本研究中的一半参与者将接受 linvoseltamab，另一半将接受 EPd。本研究还探讨其他几个研究问题，包括：
- 与 EPd 相比，参与者从接受 linvoseltamab 中获益持续多长时间
- 接受 linvoseltamab 或 EPd 治疗的参与者中，有多少人的多发性骨髓瘤得到改善，以及改善程度如何
- 与 EPd 相比，接受 linvoseltamab 会发生哪些副作用
- 与 EPd 相比，接受 linvoseltamab 治疗期间或治疗后的参与者能存活多长时间
- 与 EPd 相比，接受 linvoseltamab 治疗后疼痛是否有任何改善
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。
