E-CEL UVEC 治疗肛裂数据集
研究采用非随机、开放标签、单臂设计,受试者均为药物治疗失败者,接受沿裂口两侧的经皮注射,治疗间隔 3 至 4 周,观察 6 个月初始安全性与疗效,随后进行年度问卷长期随访

基本信息
资源简介
E-CEL UVEC 治疗肛裂数据集
该数据集来自 clinicaltrials.gov,围绕 E-CEL UVEC 细胞产品治疗慢性肛裂(CAF)的 Phase 1b 试验。研究采用非随机、开放标签、单臂设计,受试者均为药物治疗失败者,接受沿裂口两侧的经皮注射,治疗间隔 3 至 4 周,观察 6 个月初始安全性与疗效,随后进行年度问卷长期随访。数据可用于了解细胞治疗在消化系统疾病中的早期临床评估框架、安全性指标与疗效参数,以及慢性肛裂的试验设计特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性肛裂。这项 Phase 1b 试验旨在评估局部(经皮)注射 E-CEL UVEC 细胞的初步安全性和有效性。E-CEL UVEC 细胞是经基因工程改造(促生存基因,E4ORF1+)的人脐静脉内皮细胞,作为实验性治疗用于药物治疗失败(即局部血管扩张剂 ± 肉毒杆菌注射)的慢性肛裂(CAF)患者。该研究是一项非随机、开放标签、单臂研究,意味着每位研究参与者都将接受一定剂量的实验性研究药物(无安慰剂)。已签署知情同意且符合条件的参与者将接受沿裂口两侧的 E-CEL UVEC 细胞产品经皮注射;治疗间隔 3 至 4 周。将在 6 个月内观察初步安全性和有效性参数,随后进行由年度问卷组成的长期随访。
【主题与分类】
主题标签:Chronic Anal Fissure。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06456073
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/NCT06456073
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:慢性肛裂。这项1b期试验旨在评估局部(经皮)注射E-CEL UVEC细胞的初步安全性和有效性。E-CEL UVEC细胞是经基因工程改造(携带促生存基因E4ORF1+)的人脐静脉内皮细胞,作为实验性治疗方法,用于治疗经药物治疗(即局部血管扩张剂±肉毒杆菌注射)失败的慢性肛裂(CAF)患者。该研究是一项非随机、开放标签、单臂研究,意味着每位研究参与者都将接受一定剂量的实验性研究药物(无安慰剂)。签署知情同意书且符合入选条件的参与者将接受沿裂口两侧经皮注射E-CEL UVEC细胞产品;治疗间隔为3至4周。将在6个月内观察初步安全性和有效性参数,随后进行长期随访,包括通过电子方式提供的年度问卷。开展这项研究是因为在动物研究中,E-CEL UVEC细胞已被证明有助于恢复或加速各种组织的正常愈合。
本研究将检验使用E-CEL UVEC细胞疗法是否安全,以及该疗法是否有助于恢复或改善对药物治疗无反应的CAF的愈合。CAF的改善将采用标准的临床方式评估(由医生进行简短的手指触诊),这是一种FDA认可的方法,而非原始方法(详细的定量照片记录)。本研究由外科副教授Kelly Garrett博士领导,并由Weill Cornell医学院结肠与直肠外科部的外科医生实施。
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。




