Linaclotide治疗慢性便秘的疗效与安全性
该数据集源自clinicaltrials.gov,聚焦Linaclotide治疗慢性便秘的疗效与安全性研究。覆盖慢性特发性便秘、便秘型肠易激综合征等条件,涉及孟加拉国患者

基本信息
资源简介
Linaclotide治疗慢性便秘的疗效与安全性
该数据集源自clinicaltrials.gov,聚焦Linaclotide治疗慢性便秘的疗效与安全性研究。覆盖慢性特发性便秘、便秘型肠易激综合征等条件,涉及孟加拉国患者。研究评估两种剂量Linaclotide改善肠道功能与患者报告结局的效果,治疗期8周,另设2周无药随访。数据可用于分析药物剂量反应、症状改善及安全性,支持消化系统疾病领域的临床研究与分类任务(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性特发性便秘、肠易激综合征(IBS-C)、慢性便秘、CIC、便秘型肠易激综合征。本研究旨在评估两种不同剂量Linaclotide在改善孟加拉国慢性便秘患者肠道功能和患者报告结局方面的疗效和安全性,治疗期为8周,另设2周无药随访期。主要问题为:“在8周治疗期内,每日一次72微克或145微克Linaclotide与安慰剂相比,能否改善孟加拉国慢性便秘患者的肠道功能和患者报告结局?”研究程序:从达卡医学院消化内科门诊部,共90名诊断为慢性特发性便秘(CIC)或便秘
【主题与分类】
主题标签:Chronic Idiopathic Constipation、Irritable Bowel Syndrome (IBS-C)、Chronic Constipation、CIC。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07431957
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/NCT07431957
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:慢性特发性便秘、肠易激综合征(便秘型)(IBS-C)、慢性便秘、CIC、便秘型肠易激综合征。本研究旨在评估两种不同剂量的利那洛肽在改善孟加拉国慢性便秘患者肠道功能和患者报告结局方面的疗效和安全性,治疗为期8周,并额外设2周短期无药随访期。其主要研究问题为:“在为期8周的治疗期内,与安慰剂相比,每日一次72微克或145微克剂量的利那洛肽是否能改善孟加拉国慢性便秘患者的肠道功能和患者报告结局?”研究程序:将从达卡医学院消化内科门诊部,在基线评估(包括临床病史、体格检查、实验室检查和结肠镜检查)后,选取共90名根据ROME-IV标准诊断为慢性特发性便秘(CIC)或便秘型肠易激综合征(IBS-C)的成年患者。
入组前,符合条件的参与者将完成为期1周的基线排便日记,其中包括患者报告的腹部症状严重程度基线数据(排便、排便频率、腹胀、腹痛或不适以及排便满意度评分)。在基线导入期内报告超过3次自发性排便的患者将被排除在研究之外。最终将纳入总共90名患者作为参与者,他们将被随机分配到三组之一:A组(利那洛肽72mcg每日一次)、B组(利那洛肽145mcg每日一次)和C组(安慰剂每日一次)。治疗期将从随机化访视(第0天)开始,并持续8周。所有参与者将在早餐前30分钟接受外观相同的药物(72mcg或145mcg或安慰剂),并且他们将被要求在整個研究期间保持标准饮食和生活方式建议,包括增加高纤维饮食和液体的摄入。患者将记录自发性排便(SBM)和完全自发性排便
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。




