Omalizumab治疗特发性过敏反应随机双盲安慰剂对照研究
该数据集来自clinicaltrials.gov,围绕Omalizumab(Xolair)治疗特发性过敏反应的随机、双盲、安慰剂对照研究

基本信息
资源简介
Omalizumab治疗特发性过敏反应随机双盲安慰剂对照研究
该数据集来自clinicaltrials.gov,围绕Omalizumab(Xolair)治疗特发性过敏反应的随机、双盲、安慰剂对照研究。覆盖过敏反应、低血压、支气管痉挛、血管性水肿等表现,涉及皮肤、呼吸、心血管或胃肠道症状。研究假设Omalizumab可减少特发性过敏反应患者的不明原因发作,并考察其安全性及疗效。数据可用于预测过敏反应发作风险、评估药物疗效与安全性等方向(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:过敏反应、低血压、支气管痉挛、血管性水肿。过敏反应是由肥大细胞和嗜碱性粒细胞释放介质引起的严重全身性反应。表现包括皮肤、呼吸、心血管或胃肠道体征和症状。尽管过敏反应常被归因于敏感个体接触特定食物、药物和昆虫毒液,但在30%至50%的复发性过敏反应发作患者中未发现致病因素(特发性过敏反应)。目前,特发性过敏反应的治疗选择有限且疗效不一。这项初步研究将检验以下假设:Omalizumab(Xolair)将减少特发性过敏反应患者的不明原因过敏反应发作。Omalizumab已获批用于哮喘。我们将考察omalizuma的安全性和疗效
【主题与分类】
主题标签:Anaphylaxis、Hypotension、Bronchospasm、Angioedema。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00890162
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/NCT00890162
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:过敏性休克、低血压、支气管痉挛、血管性水肿。过敏性休克是由肥大细胞和嗜碱性粒细胞释放介质引起的严重全身性反应。临床表现包括皮肤、呼吸、心血管或胃肠道症状和体征。尽管过敏性休克常归因于敏感个体接触特定食物、药物和昆虫毒液,但在30%至50%的复发性过敏性休克发作患者(特发性过敏性休克)中,未能确定致病因素。目前,特发性过敏性休克的治疗选择有限,且疗效不一。本初步研究将检验以下假设:奥马珠单抗(Xolair)将减少特发性过敏性休克患者不明原因过敏性休克的发作。奥马珠单抗已获批用于哮喘。我们将考察奥马珠单抗在过敏性休克患者中的安全性特征和疗效。此外,该研究将探讨过敏性休克患者的肥大细胞是否存在独特的分子和细胞缺陷,导致这些细胞更易发生脱颗粒。该研究将招募特发性过敏性休克患者。
患者将接受临床评估、血液检查以及骨髓活检和穿刺。患者将被随机分配至药物组或安慰剂组,并以双盲安慰剂对照的方式,在住院期间接受2剂奥马珠单抗或匹配的安慰剂,随后继续门诊治疗,每2至4周一次,最长持续6个月。如果患者发生了被判定与研究药物无关的过敏反应事件(24小时窗口期后),或已被随访6个月,以先发生者为准,患者将继续维持原分配方案。这些无关事件将由主要研究者判定为不危及患者安全或不限制使用额外治疗(如皮质类固醇)来控制症状。在此之后,患者可停止用药直至揭盲。该设计确保没有任何患者
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。




