NICE-PAD II 试验
NICE-PAD II 试验是来自 clinicaltrials.gov 的随机对照研究数据,聚焦 50 岁及以上外周动脉疾病(PAD)患者

基本信息
资源简介
NICE-PAD II 试验
是来自 clinicaltrials.gov 的随机对照研究数据,聚焦 50 岁及以上外周动脉疾病(PAD)患者。研究将 250 名参与者随机分配至 nicotinamide riboside(NR)组或安慰剂组,干预六个月,主要评估六分钟步行距离的变化,次要结局包括 Walking Impairment Questionnaire 距离评分、PROMIS 活动能力评分、通过 MRI ASL 测量的小腿肌肉灌注、血浆氧化 LDL 反映的氧化应激、全血 NAD+ 丰度等。该数据可用于分析 NR 对 PAD 患者步行能力及相关生理指标的影响,支持回归建模与疗效评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:外周动脉疾病(PAD)。在 50 岁及以上的外周动脉疾病(PAD)患者中,研究者将检验以下假设:随机分配至 nicotinamide riboside(NR)组的 PAD 参与者,在六个月随访时的六分钟步行距离改善程度或下降程度优于随机分配至安慰剂组的参与者。该研究将把 250 名 50 岁及以上的 PAD 参与者随机分配至两组之一,为期六个月:nicotinamide riboside 组对比安慰剂组。我们的主要结局是六个月随访时六分钟步行距离的变化。次要结局是 Walking Impairment Questionnaire(WIQ)距离评分、PROMIS 活动能力评分、小腿肌肉灌注(通过磁共振动脉自旋标记(MRI ASL)测量)、氧化应激(通过血浆氧化 LDL 测量)、全血中 NAD+ 丰度、基于基线全血的六分钟步行改善
【主题与分类】
主题标签:Peripheral Artery Disease (PAD)。本站分类:心血管系统疾病/外周动脉疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07782671
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/NCT07782671
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:外周动脉疾病(PAD)。在50岁及以上的外周动脉疾病(PAD)患者中,研究人员将检验以下假设:随机分配接受烟酰胺核糖(NR)的PAD参与者,在六个月随访时的六分钟步行距离改善程度更大或下降程度更小,与随机分配接受安慰剂者相比。该研究将把250名50岁及以上的PAD参与者随机分配到两组之一,为期六个月:烟酰胺核糖组与安慰剂组。我们的主要结局是六个月随访时六分钟步行距离的变化。次要结局包括步行受损问卷(WIQ)距离评分、PROMIS活动能力评分、小腿肌肉灌注(通过磁共振动脉自旋标记(MRI ASL)测量)、氧化应激(通过血浆氧化型LDL测量)、全血中NAD+丰度、按基线全血NAD+水平评估的六分钟步行改善,以及干预完成后4周时的六分钟步行距离。为实现这些具体目标,该研究将把250名50岁及以上的PAD参与者随机分配到两组之一:烟酰胺核糖组与安慰剂组。
参与者将被随访六个月,并在完成研究干预后额外进行为期四周的随访。
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。




