CDPATH™ 辅助管理与治疗克罗恩病的研究

研究测试的工具为 CDPATH™,利用临床、血清学和遗传变量等已知风险因素,以图形方式呈现个体参与者在三年内发生 CD 相关并发症的风险,帮助对克罗恩病患者进行风险分类

TakedaTakeda
clinicaltrials
浏览 12
表格预测Crohn's Disease
A Study of CDPATH™ to Help Manage and Treat Crohn's Disease

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-13

资源简介

CDPATH™ 辅助管理与治疗克罗恩病的研究

该数据集来自 clinicaltrials.gov,聚焦消化系统疾病中的克罗恩病(Crohn's Disease)。研究测试的工具为 CDPATH™,利用临床、血清学和遗传变量等已知风险因素,以图形方式呈现个体参与者在三年内发生 CD 相关并发症的风险,帮助对克罗恩病患者进行风险分类。研究在真实世界环境中收集该工具的使用数据,计划入组约 200 名患者,并对参与者与医疗保健提供者(HCP)进行满意度调查。该多中心试验在美国开展,总参与时间为 36 个月,参与者需多次前往 HCP 诊所并接受数据采集(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:克罗恩病。本研究测试的工具名为 CDPATH™。CDPATH™ 用于以图形方式呈现个体参与者在三年内发生 CD 相关并发症的风险,利用基于临床、血清学和遗传变量的已知参与者风险因素,帮助克罗恩病患者进行风险分类。本研究将收集该工具在真实世界环境中的使用数据,以指导 CDPATH™ 的实际应用。该研究将入组约 200 名患者。参与者和医疗保健提供者(HCP)将接受调查,以了解他们对 CDPATH™ 流程及治疗选择的满意度。这项多中心试验将在美国开展。参与本研究的总时间为 36 个月。参与者将多次前往 HCP 诊所,数据将被收集

【主题与分类】

主题标签:Crohn's Disease。本站分类:消化系统疾病/克罗恩病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04809363

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/NCT04809363

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

疾病:克罗恩病。本研究正在测试的工具名为CDPATH™。CDPATH™用于以图形方式展示个体参与者三年内发生克罗恩病相关并发症的风险,利用基于临床、血清学和遗传变量的已知参与者风险因素,帮助克罗恩病患者对风险进行分类。本研究将收集该工具在真实世界环境中的使用数据,以指导CDPATH™的实际应用。该研究将招募约200名患者。将对参与者及医疗保健提供者(HCPs)进行问卷调查,以了解他们对CDPATH™流程及所选治疗方案的满意度。这项多中心试验将在美国进行。参与本研究的总时长为36个月。参与者将多次前往医疗保健提供者的诊所,根据常规随访评估预约的时间安排,大约每六个月收集一次数据,持续至多3年。

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