Cyproheptadine 治疗重症 COVID-19：一项非盲随机试验
源站描述指出，观察性与生化研究在 COVID-19 部分临床生物学特征的病理生理中发现与血清素过量相关的通路，据此假设拮抗血清素作用可改善重症患者临床病程
基本信息
资源简介
Cyproheptadine 治疗重症 COVID-19：一项非盲随机试验
该数据集来自 clinicaltrials.gov，主题为 Cyproheptadine 用于重症 COVID-19 的非盲随机试验。源站描述指出，观察性与生化研究在 COVID-19 部分临床生物学特征的病理生理中发现与血清素过量相关的通路，据此假设拮抗血清素作用可改善重症患者临床病程。Cyproheptadine 是兼具 5-HT2 受体与组胺 H1 受体拮抗作用、安全性记录较长的药物。研究拟随机纳入约 200 名 18 岁及以上、检测阳性的受试者。数据可用于重症 COVID-19 治疗干预相关的分类研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：Viral Pneumonia、Serotonin Syndrome、Platelet Dysfunction。观察性和生化研究已在 COVID-19 某些临床-生物学特征的病理生理学中发现一条有趣通路，与血清素过量有关。我们假设，拮抗血清素的作用可以改善受 COVID-19 影响最严重患者的临床病程。Cyproheptadine 就是这样一种血清素拮抗剂，具有长期的安全性和耐受性记录。Cyproheptadine 作为 5-羟色胺（5HT=血清素）受体亚型 2 以及组胺-1 受体的拮抗剂发挥作用。血清素对肺血管张力、呼吸频率和全身血管床的许多强效作用由 5-HT 受体亚型 2 介导。研究者将随机分配约 200 名年龄在 18 岁及以上、检测呈阳性的参与者。
【主题与分类】
主题标签：Viral Pneumonia、Serotonin Syndrome、Platelet Dysfunction。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04820751
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/NCT04820751
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
条件：病毒性肺炎、血清素综合征、血小板功能障碍。观察性和生化研究已发现，在COVID-19某些临床生物学特征的病理生理学中，存在一条与血清素过量相关的有趣通路。我们假设，拮抗血清素的作用可能改善受COVID-19影响最严重患者的临床病程。赛庚啶就是这样一种血清素拮抗剂，具有长期的安全性和耐受性记录。赛庚啶作为5-羟色胺（5HT=血清素）受体亚型2以及组胺-1受体的拮抗剂发挥作用。血清素对肺血管张力、呼吸频率和全身血管床的许多强效作用均由5-HT受体亚型2介导。研究人员将随机分配约200名参与者，年龄18岁及以上，COVID-19检测呈阳性，并将在加拿大魁北克省蒙特利尔的Santa Cabrini医院住院，表现为需要补充氧气的重型covid-pneumonia-19。首先将评估所有参与者的研究资格。
一旦参与者被确认符合条件并签署知情同意书，他们将参与本研究。参与者将以1：1的比例随机分配至两组：一组口服赛庚啶8毫克，每日三次，持续5天，并接受标准治疗；另一组仅接受标准治疗。剂量将根据肾小球滤过率进行调整。自随机分组后的第1天、第3天、第5天、第7天和第10天，将评估参与者的生命体征（包括SpO2、呼吸频率、FiO2或氧流量、心率、血压和体温）、血肌酐、胆红素、CRP、LDH、D-二聚体和血小板计数。任何不良事件将每日评估并记录。
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。
