Zenagamtide 对比安慰剂治疗已确诊动脉粥样硬化性心血管病合并超重或肥胖的研究

该数据集来自 clinicaltrials.gov,围绕一项临床试验,评估 zenagamtide 在已确诊动脉粥样硬化性心血管疾病(ASCVD)且体重超标人群中,相较安慰剂的安全性与有效性

Novo Nordisk A/SNovo Nordisk A/S
clinicaltrials
浏览 11
其他预测Cardiovascular RiskObesity
A Research Study to Look at How Well Zenagamtide Works Compared to Placebo in People With Established Atherosclerotic Cardiovascular Disease and Either Overweight or Obesity

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

Zenagamtide 对比安慰剂治疗已确诊动脉粥样硬化性心血管病合并超重或肥胖的研究

该数据集来自 clinicaltrials.gov,围绕一项临床试验,评估 zenagamtide 在已确诊动脉粥样硬化性心血管疾病(ASCVD)且体重超标人群中,相较安慰剂的安全性与有效性。研究关注心血管风险与肥胖,受试者被随机分配接受 zenagamtide 或安慰剂,其中一半接受 zenagamtide。数据可用于了解该研究的设计、人群与干预信息,支持心血管风险与肥胖相关治疗方向的查询与分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:心血管风险、肥胖。这项临床研究旨在评估 zenagamtide 在患有动脉粥样硬化性心血管疾病(ASCVD)且体重超标人群中,与安慰剂相比的安全性和有效性。本临床研究的目的是查明 zenagamtide 对于治疗患有 ASCVD 且体重超标的人群是否安全有效。受试者将按机会随机分配接受 zenagamtide(正在测试的研究性治疗)或安慰剂(不含活性药物)。一半受试者将接受 zenagamtide,治疗分配由随机决定。Zenagamtide 是一种尚未可供医生处方的新研究性药物。

【主题与分类】

主题标签:Cardiovascular Risk、Obesity。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07861100

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07861100

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:心血管风险、肥胖。这项临床研究旨在评估zenagamtide在患有动脉粥样硬化性心血管疾病(ASCVD)且体重超标的人群中,与安慰剂相比的安全性和有效性。这项临床研究的目的是查明zenagamtide对于治疗患有ASCVD且体重超标的人是否安全有效。参与者将通过随机方式被分配接受zenagamtide(正在测试的研究性治疗)或安慰剂(不含活性药物)。一半的参与者将接受zenagamtide,治疗分配将通过随机方式确定。Zenagamtide是一种尚未可供医生开具处方的新研究性药物。

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。

获取专属数据定制方案