N1087治疗女性型脱发有效性与安全性的3期临床试验(MINORA-WOMEN)
该数据集来自clinicaltrials.gov,收录一项评估N1087治疗女性型脱发(FPHL,又称女性雄激素性脱发)有效性与安全性的3期临床试验信息

基本信息
资源简介
N1087治疗女性型脱发有效性与安全性的3期临床试验(MINORA-WOMEN)
该数据集来自clinicaltrials.gov,收录一项评估N1087治疗女性型脱发(FPHL,又称女性雄激素性脱发)有效性与安全性的3期临床试验信息。研究为前瞻性、随机、双盲、安慰剂对照、平行组、多中心设计,受试者按2:1比例随机接受N1087或安慰剂治疗24周。数据覆盖疾病背景、干预方案与试验设计,可用于了解该适应症的临床研究框架及治疗现状(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:女性型脱发、女性型脱发、雄激素性脱发。本3期临床试验是一项前瞻性、随机、双盲、安慰剂对照、平行组、多中心研究,旨在评估N1087在女性型脱发(FPHL,又称女性雄激素性脱发)患者中的有效性与安全性。FPHL是一种慢性、进展性疾病,特征为头发逐渐变薄和密度降低,主要发生在头皮额部和顶部区域。当前治疗选择有限,外用米诺地尔虽被广泛使用,但在巴西未获批用于女性,且存在依从性挑战。低剂量口服米诺地尔在临床实践和文献中显示出有前景的有效性和安全性,但缺乏高质量的对照试验。受试者将按2:1比例随机接受N1087或安慰剂治疗24周。
【主题与分类】
主题标签:Female Pattern Hair Loss。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/NCT07303322
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/NCT07303322
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
适应症:女性型脱发、女性型脱发、雄激素性脱发。本项3期临床试验是一项前瞻性、随机、双盲、安慰剂对照、平行组、多中心研究,旨在评估N1087在女性型脱发(FPHL),也称为女性雄激素性脱发患者中的疗效和安全性。FPHL是一种慢性、进展性疾病,其特征为头发逐渐变薄和密度降低,主要发生在头皮额部和顶部区域。目前的治疗选择有限,外用米诺地尔虽然被广泛使用,但在巴西未获批用于女性,且存在依从性挑战。低剂量口服米诺地尔在临床实践和文献中已显示出良好的疗效和安全性,但缺乏高质量的对照试验。受试者将按2:1的比例随机接受N1087或安慰剂治疗24周。干预从为期8周的剂量滴定期开始(0.5 mg/天持续2周,然后每2周递增至1 mg、1.5 mg和2 mg),随后以最大耐受剂量(最高2 mg/天)治疗16周。
主要终点为第24周时目标区域内非毳毛密度(直径≥0.03 mm)较基线的变化,采用标准化数字毛发显微照相进行评估。次要终点包括终毛密度、总毛发密度、毛干粗细的变化、毛囊微小化的逆转、全局照片评估(研究者整体评估)、生活质量(WAA-QoL问卷)以及受试者满意度。安全性评估包括不良事件、生命体征、心电图和实验室检查。该研究将在巴西10个中心招募约372名受试者,入选标准包括18-60岁女性、Sinclair分级2-4级,且近期未接受FPHL治疗。排除标准包括其他原因导致的脱发、未控制的高血压、心血管疾病、激素紊乱以及妊娠。每名受试者的总研究时长约为36周(最多12周筛选/洗脱期,8周滴定
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。




