新型生物制剂治疗克罗恩病的疗效研究

该数据集来自clinicaltrials.gov,聚焦炎症性肠病、克罗恩病、溃疡性结肠炎及治疗副作用。研究旨在评估Ustekinumab(UST)和Vedolizumab(VED)在中国患者中的短期与长期疗效及药物不良反应,并探索预测新型生物制剂有效性的独立因素

Sixth Affiliated Hospital, Sun Yat-sen UniversitySixth Affiliated Hospital, Sun Yat-sen University
clinicaltrials
浏览 5
其他预测Inflammatory Bowel DiseasesCrohn DiseaseUlcerative ColitisTreatment Side Effects
Therapeutic Effect of New Biologics in Crohn's Disease

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-13

资源简介

新型生物制剂治疗克罗恩病的疗效研究

该数据集来自clinicaltrials.gov,聚焦炎症性肠病、克罗恩病、溃疡性结肠炎及治疗副作用。研究旨在评估Ustekinumab(UST)和Vedolizumab(VED)在中国患者中的短期与长期疗效及药物不良反应,并探索预测新型生物制剂有效性的独立因素。同时,通过回顾性观察性研究深入分析药物暴露(谷浓度和抗体浓度)与治疗疗效之间的关系。数据可用于分析生物制剂的疗效、安全性及预测因素(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:炎症性肠病、克罗恩病、溃疡性结肠炎、治疗副作用。新型生物制剂为克罗恩病的治疗策略带来了优势。然而,在中国评估其疗效和不良反应的临床数据尚缺乏。我们旨在评估Ustekinumab(UST)和Vedolizumab(VED)的短期和长期治疗效果以及药物不良反应。此外,我们旨在找出预测新型生物制剂有效性的独立因素。本回顾性观察性研究深入探讨了药物暴露(谷浓度和抗体浓度)与治疗疗效之间的关系。

【主题与分类】

主题标签:Inflammatory Bowel Diseases、Crohn Disease、Ulcerative Colitis、Treatment Side Effects。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04923100

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/NCT04923100

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:炎症性肠病、克罗恩病、溃疡性结肠炎、治疗副作用。新型生物制剂为克罗恩病的治疗策略带来了优势。然而,中国缺乏评估其疗效和不良反应的临床数据。我们旨在评估乌司奴单抗(UST)和维得利珠单抗(VED)的短期和长期治疗效果以及药物不良反应。此外,我们旨在找出预测新型生物制剂有效性的独立因素。本回顾性观察性研究深入探讨了药物暴露(谷浓度和抗体浓度)与治疗疗效之间的关系。

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