改善卒中治疗反应策略
SISTER是TS23治疗急性缺血性卒中的II期贝叶斯自适应随机剂量探索试验。入组前循环急性缺血性卒中、最后已知良好4.5至24小时、NIHSS≥4且影像提示可挽救脑组织者

基本信息
资源简介
改善卒中治疗反应策略
SISTER是TS23治疗急性缺血性卒中的II期贝叶斯自适应随机剂量探索试验。入组前循环急性缺血性卒中、最后已知良好4.5至24小时、NIHSS≥4且影像提示可挽救脑组织者。知情同意后随机接受4个剂量TS23或安慰剂。主要安全结局为30(±4)小时颅内出血,主要疗效结局为30(±4)小时NIHSS。主要目标为确定安全且较安慰剂更有效的TS23剂量(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:缺血性卒中。SISTER 是一项在急性缺血性卒中患者中开展的 TS23 II期、贝叶斯、适应性、随机、剂量探索试验。患有前循环急性缺血性卒中,且在最后已知正常时间后4.5至24小时之间就诊,就诊时 NIH 卒中量表评分≥4(若 NIHSS 为4或5分,则患者存在明确致残性缺损),并有可挽救脑组织的影像学证据的患者,将符合入组条件,并将被接洽以获取参与研究的知情同意。获得知情同意后,研究将把受试者随机分配至4个 TS23 剂量组和安慰剂组。该试验将在最多60个参与研究的美国研究中心和最多17个加拿大研究中心入组最多300名受试者。将采用效用函数,通过以下两项主要结局评估 TS23 的效应:1)主要安全性结局:30(±4)小时时任何脑内出血;2)主要有效性结局:给药后30(±4)小时时的 NIH 卒中量表评分。研究将对受试者随访90(±7)天。主要目的:确定一种 TS23 剂量,该剂量用于治疗最后已知正常后4.5至24小时、灌注成像显示核心-半暗带不匹配且不适合接受标准治疗再灌注疗法的患者时,安全且比安慰剂更有效。
【主题与分类】
主题标签:Ischemic Stroke。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05948566
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/NCT05948566
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:缺血性卒中。SISTER 是一项在急性缺血性卒中患者中开展的 TS23 II期、贝叶斯、适应性、随机、剂量探索试验。患有前循环急性缺血性卒中,且在最后已知正常时间后4.5至24小时之间就诊,就诊时 NIH 卒中量表评分≥4(若 NIHSS 为4或5分,则患者存在明确致残性缺损),并有可挽救脑组织的影像学证据的患者,将符合入组条件,并将被接洽以获取参与研究的知情同意。获得知情同意后,研究将把受试者随机分配至4个 TS23 剂量组和安慰剂组。该试验将在最多60个参与研究的美国研究中心和最多17个加拿大研究中心入组最多300名受试者。将采用效用函数,通过以下两项主要结局评估 TS23 的效应:1)主要安全性结局:30(±4)小时时任何脑内出血;2)主要有效性结局:给药后30(±4)小时时的 NIH 卒中量表评分。研究将对受试者随访90(±7)天。主要目的:确定一种 TS23 剂量,该剂量用于治疗最后已知正常后4.5至24小时、灌注成像显示核心-半暗带不匹配且不适合接受标准治疗再灌注疗法的患者时,安全且比安慰剂更有效。
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。




