Movicol治疗儿童慢性便秘疗效与安全性研究

该数据集来源于clinicaltrials.gov,主题为Movicol治疗儿童慢性便秘的疗效与安全性研究。研究设计包含1周基线期、2周随机双盲治疗期(Movicol或匹配安慰剂)、2周安慰剂洗脱期后交叉接受另一种治疗2周,随后患者可选择参加为期8周的开放标签研究后随访并接受Movicol

NorgineNorgine
clinicaltrials
浏览 17
其他分类Chronic Constipation
Study to Examine the Efficacy and Safety of Movicol in the Treatment of Chronic Constipation in Children

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-12

资源简介

Movicol治疗儿童慢性便秘疗效与安全性研究

该数据集来源于clinicaltrials.gov,主题为Movicol治疗儿童慢性便秘的疗效与安全性研究。研究设计包含1周基线期、2周随机双盲治疗期(Movicol或匹配安慰剂)、2周安慰剂洗脱期后交叉接受另一种治疗2周,随后患者可选择参加为期8周的开放标签研究后随访并接受Movicol。数据覆盖慢性便秘患儿在随机、双盲、交叉及开放标签随访各阶段的治疗与观察信息,可用于评估Movicol在儿童慢性便秘中的疗效与安全性,支持消化系统疾病及儿童便秘相关的临床研究与分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:慢性便秘。经过1(一)周的基线期后,符合入选标准的受试者进入研究的治疗阶段。患者被随机分配接受Movicol或匹配的安慰剂治疗两(2)周。治疗阶段之后,患者经历两(2)周的安慰剂洗脱期,然后交叉接受替代治疗,例如服用Movicol的患者在完成洗脱期后给予匹配的安慰剂,反之亦然,为期两(2)周。在完成双盲治疗阶段后,患者可选择参加为期八(8)周的开放标签研究后随访。参加研究后随访的患者接受Movicol。

【主题与分类】

主题标签:Chronic Constipation。本站分类:消化系统疾病/儿童便秘。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00403819

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT00403819

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

适应症:慢性便秘。在为期1(一)周的基线期后,符合入选标准的受试者进入研究的治疗阶段。患者被随机分配接受Movicol或匹配的安慰剂治疗两(2)周。治疗阶段结束后,患者经历两(2)周的安慰剂洗脱期,随后交叉接受另一种治疗,例如,服用Movicol的患者在洗脱期结束后给予匹配的安慰剂,反之亦然,持续两(2)周。双盲治疗阶段完成后,患者可选择参加为期八(8)周的开放标签研究后随访。参与研究后随访的患者接受Movicol治疗。

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。

获取专属数据定制方案