Linerixibat 长期安全性与耐受性研究
本数据集来自 clinicaltrials.gov，主题为 Linerixibat 长期安全性与耐受性研究，属于消化系统疾病与自身免疫性胆管炎范畴
基本信息
资源简介
Linerixibat 长期安全性与耐受性研究
本数据集来自 clinicaltrials.gov，主题为 Linerixibat 长期安全性与耐受性研究，属于消化系统疾病与自身免疫性胆管炎范畴。研究针对原发性胆汁性胆管炎（PBC）伴胆汁淤积性瘙痒的参与者，纳入既往参加过 linerixibat 临床试验（BAT117123、201000 GLIMMER 或 212620 GLISTEN）的人群，采用开放标签、非对照、全球多中心设计，所有参与者均接受开放标签 linerixibat 治疗。数据可用于评估该药物长期安全性与耐受性，并支持胆汁淤积相关疾病的研究与分类分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：胆汁淤积。这是一项开放标签、非对照、全球多中心、长期安全性研究，用于评估 linerixibat 在原发性胆汁性胆管炎（PBC）伴胆汁淤积性瘙痒参与者中的安全性和耐受性，这些参与者曾参加过既往的 linerixibat 临床试验（BAT117123 [NCT01899703]、201000 GLIMMER [NCT02966834]（第1组）或 212620 GLISTEN [NCT00210418]）（第2组）。所有参与者在研究期间均接受开放标签 linerixibat。研究持续时间预计持续至研究结束或直至 linerixibat 可合法提供给参与者。然而，研究参与的总持续时间将因参与者而异，取决于其入组时间相对于各自国家研究结束的时间。
【主题与分类】
主题标签：Cholestasis。本站分类：消化系统疾病/自身免疫性胆管炎。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04167358
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/NCT04167358
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：胆汁淤积。这是一项开放标签、无对照、全球、多中心、长期安全性研究，旨在评估linerixibat在原发性胆汁性胆管炎（PBC）伴胆汁淤积性瘙痒参与者中的安全性和耐受性，这些参与者曾参加过先前使用linerixibat的临床试验（BAT117123 [NCT01899703]、201000 GLIMMER [NCT02966834]（第1组）或212620 GLISTEN [NCT00210418]）（第2组）。所有参与者将在研究期间接受开放标签的linerixibat。研究持续时间预计将持续至研究结束或直至linerixibat可合法提供给参与者。然而，研究参与的总持续时间将因参与者而异，取决于其进入研究的时间相对于各自国家研究结束的时间。
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。
