氟西汀治疗伴躯体症状障碍特征难治性便秘的评估
该数据集来自 clinicaltrials.gov，为一项单中心、随机、双盲、安慰剂对照试验，评估氟西汀（40 mg/日）与安慰剂在 194 名伴躯体症状障碍（SSD）特征的难治性慢性便秘成人中的疗效与安全性
基本信息
资源简介
氟西汀治疗伴躯体症状障碍特征难治性便秘的评估
该数据集来自 clinicaltrials.gov，为一项单中心、随机、双盲、安慰剂对照试验，评估氟西汀（40 mg/日）与安慰剂在 194 名伴躯体症状障碍（SSD）特征的难治性慢性便秘成人中的疗效与安全性。受试者经 SCID-5 诊断，经 2 周筛选后按 1:1 随机分组，治疗 12 周。主要终点为 CSBM 应答者比例，次要终点包括每周 SBM/CSBM 频率、Bristol 粪便性状量表、用力评分、腹胀严重度、PGIC 及多种经验证 PRO 量表变化。可用于便秘与躯体症状障碍共病治疗研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：难治性便秘、躯体症状障碍（DSM-5）、功能性便秘（FC）。这项单中心、随机、双盲、安慰剂对照试验评估氟西汀（40 mg/日）与安慰剂在 194 名伴躯体症状障碍（SSD）特征的难治性慢性便秘成人中的疗效与安全性，SSD 特征由 SCID-5 诊断。经过 2 周筛选期后，参与者按 1:1 随机分配至氟西汀组或匹配安慰剂组，治疗 12 周。主要终点是 CSBM 应答者比例，定义为在 ≥50% 的治疗周（第 5-12 周）中每周 CSBM 较基线增加 ≥1 次。关键次要终点包括每周 SBM/CSBM 频率、Bristol 粪便性状量表、用力评分、腹胀严重度、患者总体印象变化（PGIC，7 点）以及经验证 PRO 量表（SSD-12、PHQ-15、PHQ-9、GAD-7、PAC-QOL、KESS）的变化。Mec
【主题与分类】
主题标签：Refractory Constipation、Somatic Symptom Disorder (DSM-5)、Functional Constipation (FC)。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06506136
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/NCT06506136
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：难治性便秘、躯体症状障碍（DSM-5）、功能性便秘（FC）。这项单中心、随机、双盲、安慰剂对照试验评估氟西汀（40 mg/天）与安慰剂在194名患有难治性慢性便秘且表现出经SCID-5诊断的躯体症状障碍（SSD）特征的成人中的疗效和安全性。经过2周的筛选期后，参与者按1：1随机分配至氟西汀组或匹配安慰剂组，治疗12周。主要终点是CSBM应答者比例，定义为治疗周（第5-12周）中≥50%的周内每周CSBM较基线增加≥1次。关键次要终点包括每周SBM/CSBM频率、布里斯托大便性状量表、排便用力评分、腹胀严重程度、患者总体印象变化（PGIC，7分）以及经过验证的PRO量表（SSD-12、PHQ-15、PHQ-9、GAD-7、PAC-QOL、KESS）的变化。机制评估包括静息态fMRI和高分辨率肛门直肠测压（HRAM）。通过不良事件、甲状腺/肝脏/肾功能检查和ECG监测安全性。
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。
