Miricorilant对MASLD患者肝脂肪的评估

研究计划纳入约8名符合条件患者,进入单剂量队列,每日接受100 mg miricorilant。每名患者总参与时长预计最长16周,包括6周筛选期、6周治疗期和4周随访期

Corcept TherapeuticsCorcept Therapeutics
clinicaltrials
浏览 15
其他回归Nonalcoholic Steatohepatitis (NASH)
Evaluation of Miricorilant on Liver Fat in Patients With MASLD

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-08

资源简介

Miricorilant对MASLD患者肝脂肪的评估

该数据集英文名为 Evaluation of Miricorilant on Liver Fat in Patients With MASLD,来源于 clinicaltrials.gov,本站归类为消化系统疾病 / 其他。数据集围绕一项针对代谢相关脂肪性肝病及相关疾病人群的临床研究展开,涉及非酒精性脂肪性肝炎(NASH)、代谢功能障碍相关脂肪性肝炎(MASH)、代谢功能障碍相关脂肪性肝病(MASLD)以及非酒精性脂肪性肝病(NAFLD)等主题标签。研究计划纳入约 8 名符合参与条件的患者,将其分配至单剂量队列,每日接受 100 mg miricorilant。每名患者的总参与时长预计最长 16 周,其中包括 6 周筛选期、6 周治疗期和 4 周随访期。该数据集可用于了解 miricorilant 在 MASLD 相关人群中对肝脏脂肪影响的研究设计与基本信息。

【数据集背景】

该数据集对应的研究关注代谢相关脂肪性肝病领域。源站描述中列出的疾病条件包括非酒精性脂肪性肝炎(NASH)、代谢功能障碍相关脂肪性肝炎(MASH)、代谢功能障碍相关脂肪性肝病(MASLD)以及非酒精性脂肪性肝病(NAFLD)。这些条件均属于脂肪性肝病及相关炎症性肝损伤的范畴。研究旨在评估 miricorilant 对肝脏脂肪的影响,研究对象为符合参与条件的患者。数据集的主题标签与上述疾病条件一致,便于在消化系统疾病及相关研究领域中进行检索和归类。本站将其分类为消化系统疾病 / 其他,说明该数据集在站内分类体系中属于消化系统疾病主题下的其他类别。

【数据内容】

数据集所涵盖的内容与一项单剂量队列临床研究相关。根据源站描述,研究计划纳入约 8 名符合参与条件的患者,这些患者将被分配至单剂量队列,每日接受 100 mg miricorilant。每名患者的总参与时长预计最长 16 周,具体包括 6 周筛选期、6 周治疗期和 4 周随访期。数据集英文名称明确指向“Evaluation of Miricorilant on Liver Fat in Patients With MASLD”,即评估 miricorilant 对 MASLD 患者肝脏脂肪的影响。主题标签覆盖 NASH、MASH、MASLD 和 NAFLD,反映出该研究关注的疾病范围。除上述信息外,源站未提供更多关于具体数据字段、变量结构、样本量细节、统计方法或结果指标的内容。

【采集与来源】

该数据集来源于 clinicaltrials.gov。源站描述提供了研究的基本设计信息,包括疾病条件、计划入组人数、给药方案以及参与时长安排。数据集英文名称为 Evaluation of Miricorilant on Liver Fat in Patients With MASLD。本站分类为消化系统疾病 / 其他。主题标签包括 Nonalcoholic Steatohepatitis (NASH)、Metabolic Dysfunction-Associated Steatohepatitis (MASH)、Metabolic Dysfunction-Associated Steatotic Liver Disease (MASLD) 和 Non-alcoholic Fatty Liver Disease (NAFLD)。关于数据采集的具体流程、时间范围、采集机构、数据管理方式以及伦理审批信息,源站未提供。

【适用场景】

该数据集适用于关注代谢相关脂肪性肝病及 miricorilant 临床研究的检索、整理和初步了解。由于主题标签涵盖 NASH、MASH、MASLD 和 NAFLD,该数据集可用于消化系统疾病领域的信息归类、临床研究设计参考以及相关疾病研究背景梳理。研究设计信息,如约 8 名患者、单剂量队列、每日 100 mg miricorilant、最长 16 周参与时长(含 6 周筛选期、6 周治疗期和 4 周随访期),可用于了解该研究的基本框架。该数据集也可用于识别与 miricorilant 和肝脏脂肪评估相关的临床试验记录。关于更具体的适用场景,如药物疗效比较、剂量反应分析或长期安全性评估,源站未提供。

【使用方法】

该数据集可通过其英文名称 Evaluation of Miricorilant on Liver Fat in Patients With MASLD 进行识别和检索,来源站为 clinicaltrials.gov。本站分类为消化系统疾病 / 其他,主题标签包括 NASH、MASH、MASLD 和 NAFLD。使用时可依据源站描述了解研究的基本设计,包括计划纳入约 8 名符合条件患者、单剂量队列、每日 100 mg miricorilant,以及每名患者最长 16 周的参与时长,其中包含 6 周筛选期、6 周治疗期和 4 周随访期。关于数据下载方式、访问权限、接口调用方法或具体使用步骤,源站未提供。

【质量与限制】

该数据集的信息来源为 clinicaltrials.gov,源站描述提供了研究条件、计划入组人数、给药方案和参与时长等基本信息。研究计划纳入约 8 名患者,属于较小规模的单剂量队列研究。每名患者总参与时长预计最长 16 周,包括 6 周筛选期、6 周治疗期和 4 周随访期。由于源站未提供更多关于数据完整性、准确性、缺失值处理、偏倚控制、统计分析方法或结果验证的信息,使用时应仅依据已有描述进行理解。关于该数据集的局限性、质量评估指标以及外部验证情况,源站未提供。

【引用与许可】

该数据集来源于 clinicaltrials.gov,英文名称为 Evaluation of Miricorilant on Liver Fat in Patients With MASLD。本站分类为消化系统疾病 / 其他,主题标签包括 Nonalcoholic Steatohepatitis (NASH)、Metabolic Dysfunction-Associated Steatohepatitis (MASH)、Metabolic Dysfunction-Associated Steatotic Liver Disease (MASLD) 和 Non-alcoholic Fatty Liver Disease (NAFLD)。关于引用格式、许可条款、使用限制、版权声明以及数据共享政策,源站未提供。

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/NCT06947304

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:非酒精性脂肪性肝炎(NASH)、代谢功能障碍相关脂肪性肝炎(MASH)、代谢功能障碍相关脂肪性肝病(MASLD)、非酒精性脂肪性肝病(NAFLD)。大约8名符合研究参与条件的患者将被分配至单剂量队列,每日接受100 mg miricorilant。预计每名患者的总参与时长最长可达16周,包括6周筛选期、6周治疗期和4周随访期。

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