Tenapanor 治疗成人慢性特发性便秘安全性与疗效的 26 周研究
本数据集来自 clinicaltrials.gov，主题为 Tenapanor 用于治疗成人慢性特发性便秘（CIC）的安全性与疗效研究
基本信息
资源简介
Tenapanor 治疗成人慢性特发性便秘安全性与疗效的 26 周研究
本数据集来自 clinicaltrials.gov，主题为 Tenapanor 用于治疗成人慢性特发性便秘（CIC）的安全性与疗效研究。研究包含 2 周筛选期、26 周随机治疗期（RTP）以及 4 周无治疗安全性随访期。筛选期评估纳入/排除标准，涵盖病史、体格检查、生命体征、12 导联心电图（ECG）和临床实验室检查，患者还通过电子日记（eDiary）自报便秘症状及严重程度，并监测其依从性以确定资格。合格患者随机接受 tenapanor 5 mg BID 治疗。该数据可用于便秘治疗相关安全性、疗效及临床研究流程的分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：慢性特发性便秘（CIC）。本研究包括 2 周筛选期，随后是 26 周随机治疗期（RTP），以及 4 周无治疗安全性随访期。在获得患者研究知情同意后，开始 2 周筛选期。将对患者进行全面评估以确定是否符合研究资格。评估将包括对纳入/排除标准的评价，包括病史、体格检查、生命体征、12 导联心电图（ECG）和临床实验室检查。患者还将通过电子日记（eDiary）自我报告其便秘症状状态和严重程度的信息。将监测患者对 eDiary 的依从性，以在筛选结束时确定资格。符合条件的患者将被随机分组（第 2 次访视），接受 tenapanor 5 mg BID（每日两次
【主题与分类】
主题标签：Chronic Idiopathic Constipation (CIC)。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07382167
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/NCT07382167
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：慢性特发性便秘（CIC）。本研究包括为期2周的筛选期，随后是为期26周的随机治疗期（RTP），以及为期4周的无治疗安全性随访期。在获得患者的研究知情同意后，开始为期2周的筛选期。将对患者进行全面评估，以确定其是否符合研究入选标准。评估内容包括对纳入/排除标准的评价，涉及病史、体格检查、生命体征、12导联心电图（ECG）以及临床实验室检查。患者还将通过电子日记（eDiary）自我报告其便秘症状状态及严重程度的相关信息。将监测患者对电子日记的依从性，以在筛选结束时确定其入选资格。符合条件的患者将被随机分组（第2次访视），在为期26周的双盲随机治疗期内接受tenapanor 5 mg每日两次（BID）、25 mg每日两次、50 mg每日两次或安慰剂治疗。在此期间，患者将继续在电子日记中记录每日便秘症状评估和每周便秘严重程度评估。
患者将在第2、4、8、12、16、20和26周（第3-9次访视）进行每两到六周一次的复诊，以接受安全性评估。完成26周的RTP后，患者将在为期4周的无治疗安全随访期内监测不良事件（AEs），并在该时期结束时完成随访访视（第10次访视），以进行安全性评估。
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。
