MMH-MAP治疗认知障碍的有效性和安全性临床试验
本数据集来自clinicaltrials.gov,为一项双盲、随机、平行组、安慰剂对照的临床试验,评估MMH-MAP治疗颈动脉缺血性卒中患者认知障碍的有效性和安全性

基本信息
资源简介
MMH-MAP治疗认知障碍的有效性和安全性临床试验
本数据集来自clinicaltrials.gov,为一项双盲、随机、平行组、安慰剂对照的临床试验,评估MMH-MAP治疗颈动脉缺血性卒中患者认知障碍的有效性和安全性。研究对象为40至75岁、发病72小时内、经证实为颈动脉缺血性卒中且伴有中度认知障碍和中度神经功能缺损的住院患者。研究涵盖病史采集、客观检查、安全性实验室检测,并使用格拉斯哥昏迷量表评估意识水平、蒙特利尔认知评估量表评估认知障碍程度。可用于认知障碍治疗相关的临床研究与疗效分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:认知障碍。设计:双盲、随机、平行组、安慰剂对照的临床试验,评估MMH-MAP治疗颈动脉缺血性卒中患者认知障碍的有效性和安全性。该研究将入组40至75岁、经证实为颈动脉缺血性卒中、发病后72小时内、伴有中度认知障碍和中度神经功能缺损的住院受试者,性别不限。在第1次访视(第1天),将收集受试者的主诉和病史,进行客观检查、安全性实验室检测(血液学、血清化学、尿液分析)。研究者将使用格拉斯哥昏迷量表评估患者的意识水平,使用蒙特利尔认知评估量表(МоСА)评估认知障碍的严重程度,使用National Institute of
【主题与分类】
主题标签:Cognitive Disorders。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04295681
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/NCT04295681
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:认知障碍。设计:双盲、随机、平行组、安慰剂对照临床研究,旨在评估MMH-MAP治疗颈动脉缺血性卒中患者认知障碍的有效性和安全性。该研究将纳入40-75岁、经证实诊断为颈动脉缺血性卒中、发病后72小时内、伴有中度认知障碍和中度神经功能缺损的住院受试者,性别不限。在第1次访视(第1天),将收集受试者的主诉和病史,进行体格检查、安全性实验室检查(血液学、血清生化、尿液分析)。研究者将使用格拉斯哥昏迷量表评估患者意识水平,使用蒙特利尔认知评估(MoCA)评估认知障碍严重程度,使用美国国立卫生研究院卒中量表(NIHSS)和改良Rankin量表(mRs)评估病情。将记录合并治疗,并评估脑CT/MRI变化。如果受试者符合入选标准且无排除标准,他/她将被随机分配至MMH-MAP组或安慰剂组。
研究产品的第一剂应在卒中发病后72小时内服用。在第2次访视(第12±3天,住院期结束——因本次卒中住院的最后一天)时,将收集主诉、记录客观检查结果、对处方治疗和合并治疗进行监测、评估治疗安全性、依从性以及根据NIHSS评估的卒中严重程度。住院治疗结束时,受试者将转为门诊治疗,继续接受IMP以及针对卒中及其后遗症治疗所设计的医疗援助。在第3次访视(第45±7天)时,研究者将致电受试者,评估治疗安全性。在末次第4次访视(第90±7天)时,将收集主诉、记录客观检查结果、监测
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。




