B2036-PEG 长期研究
该数据集来源于 clinicaltrials.gov，主题为肢端肥大症（Acromegaly），属于内分泌系统疾病范畴。数据集英文名为 Long Term Study With B2036-PEG，源站描述指出其主要目标为研究 Pegvisomant 在日本肢端肥大症患者中的有效性与安全性
基本信息
资源简介
B2036-PEG 长期研究
Long Term Study With B2036-PEG 是一个登记于 clinicaltrials.gov 的临床研究数据集，主题聚焦于肢端肥大症（Acromegaly），在内分泌系统疾病分类下归档。该数据集围绕药物 Pegvisomant（研究编号 B2036-PEG）展开，其核心研究目标为评估 Pegvisomant 在日本肢端肥大症患者中的有效性与安全性。作为一项长期研究，该数据集为关注肢端肥大症治疗方案的临床研究人员、内分泌专科医生及相关领域学者提供了以临床试验注册信息为基础的数据资源，有助于了解该药物在特定人群中的应用研究设计。
【数据集背景】
肢端肥大症是一种由生长激素分泌过多引起的内分泌系统疾病，通常与垂体腺瘤相关。该数据集所对应的研究以日本肢端肥大症患者为研究对象，旨在通过长期观察评估 Pegvisomant 这一药物的有效性与安全性。研究英文名称为 Long Term Study With B2036-PEG，其中 B2036-PEG 为研究相关的药物标识。该数据集来源于 clinicaltrials.gov，属于临床试验注册信息范畴，主题标签为 Acromegaly，本站分类归入内分泌系统疾病下的肢端肥大症类别。
【数据内容】
该数据集的主题为肢端肥大症，对应研究的主要目标为研究 Pegvisomant 在日本肢端肥大症患者中的有效性与安全性。数据集英文名称为 Long Term Study With B2036-PEG。关于数据集所包含的具体字段、变量、记录条数、受试者数量、时间跨度、随访节点等详细内容，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述指出，其研究条件为 Acromegaly，主要目标为研究 Pegvisomant 在日本肢端肥大症患者中的有效性与安全性。关于数据采集的具体方法、采集时间、采集机构、数据提取流程等细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与肢端肥大症相关的临床研究背景了解，尤其是涉及 Pegvisomant 在日本患者群体中有效性与安全性评估的研究方向。其主题标签 Acromegaly 和内分泌系统疾病分类，使其可被用于内分泌领域的文献检索、研究选题参考以及临床试验信息汇总等场景。关于该数据集在其他具体应用场景中的适用性，源站未提供。
【使用方法】
关于该数据集的具体使用方法、访问方式、数据格式、下载途径或分析工具要求，源站未提供。
【质量与限制】
该数据集来源于 clinicaltrials.gov，属于临床试验注册信息。关于其数据质量、完整性、准确性、局限性以及偏倚风险等方面的评估信息，源站未提供。
【引用与许可】
关于该数据集的引用方式、许可协议、使用条款或版权说明，源站未提供。
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/NCT00143416
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：肢端肥大症。主要目的：研究培维索孟在日本肢端肥大症患者中的疗效和安全性。
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。
