吸入曲前列尼尔治疗特发性肺纤维化的多国疗效与安全性研究
该数据集来自 clinicaltrials.gov,对应研究 RIN-PF-303,是一项多国、随机、双盲、安慰剂对照研究,评估吸入曲前列尼尔相比安慰剂在特发性肺纤维化受试者中 52 周内绝对 FVC 变化方面的优效性

基本信息
资源简介
吸入曲前列尼尔治疗特发性肺纤维化的多国疗效与安全性研究
该数据集来自 clinicaltrials.gov,对应研究 RIN-PF-303,是一项多国、随机、双盲、安慰剂对照研究,评估吸入曲前列尼尔相比安慰剂在特发性肺纤维化受试者中 52 周内绝对 FVC 变化方面的优效性。受试者按 1:1 随机分配接受吸入曲前列尼尔或安慰剂,起始剂量为每日四次每次 3 次呼吸,并滴定至目标方案每日四次每次 12 次呼吸。研究包含第 4、8、16、28、40、52 周的 6 次治疗期门诊访视,疗效评估包括肺功能检查(FVC)和至临床恶化时间等。数据可用于分析吸入曲前列尼尔对肺功能变化及临床恶化的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:特发性肺纤维化、间质性肺疾病。研究 RIN-PF-303 是一项多国、随机、双盲、安慰剂对照研究,旨在评估吸入曲前列尼尔相比安慰剂在特发性肺纤维化(IPF)受试者中 52 周内绝对 FVC 变化方面的优效性。受试者将按 1:1 随机分配接受吸入曲前列尼尔或安慰剂。所有受试者将起始使用吸入曲前列尼尔或安慰剂,剂量为每日四次(QID)每次 3 次呼吸,并滴定至每日四次每次 12 次呼吸的目标给药方案。研究药物剂量可根据耐受性上调,直至达到目标剂量或最大临床耐受剂量。一旦符合条件,需要在第 4、8、16、28、40 和 52 周进行 6 次治疗期门诊访视。疗效评估包括肺功能检查(FVC)、至临床恶化时间、t
【主题与分类】
主题标签:Idiopathic Pulmonary Fibrosis、Interstitial Lung Disease。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05255991
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/NCT05255991
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:特发性肺纤维化、间质性肺疾病。研究RIN-PF-303是一项多国、随机、双盲、安慰剂对照研究,旨在评估吸入曲前列尼尔相较于安慰剂在52周内对特发性肺纤维化(IPF)受试者用力肺活量(FVC)绝对值变化的优效性。受试者将按1:1随机分配接受吸入曲前列尼尔或安慰剂。所有受试者将起始吸入曲前列尼尔或安慰剂,剂量为每次3次呼吸,每日4次(QID),并滴定至目标给药方案每次12次呼吸、每日4次(QID)。研究药物剂量可根据耐受情况上调,直至达到目标剂量或临床最大耐受剂量。入组合格后,需在第4、8、16、28、40和52周进行6次治疗期门诊访视。疗效评估包括肺量计检查(FVC)、至临床恶化时间、至IPF首次急性加重时间、总生存期、King简易间质性肺疾病问卷(K-BILD)、血浆N末端脑钠肽前体(NT-proBNP)浓度、补充氧疗使用以及肺弥散功能(DLCO)。
安全性评估包括不良事件(AE)/严重不良事件(SAE)的发生情况、生命体征、临床实验室参数以及心电图(ECG)参数。完成第52周访视的受试者在完成末次研究访视后,可能有机会进入开放标签扩展(OLE)研究。
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。




