Pasireotide LAR 与 Octreotide LAR 治疗活动性肢端肥大症的安全性与疗效对比

该数据集来自 clinicaltrials.gov,聚焦活动性肢端肥大症患者,比较 Pasireotide LAR 与 Octreotide LAR 治疗一年的安全性与疗效

Novartis PharmaceuticalsNovartis Pharmaceuticals
clinicaltrials
浏览 15
其他分类Acromegaly
Safety and Efficacy of Pasireotide Long Acting Release (LAR) vs. Octreotide LAR in Patients With Active Acromegaly

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-07

资源简介

Pasireotide LAR 与 Octreotide LAR 治疗活动性肢端肥大症的安全性与疗效对比

该数据集来自 clinicaltrials.gov,聚焦活动性肢端肥大症患者,比较 Pasireotide LAR 与 Octreotide LAR 治疗一年的安全性与疗效。研究主要观察治疗 12 个月时平均 GH 水平降至 <2.5 µg/L 的患者比例,以及 IGF-1 恢复至年龄和性别相关正常范围的比例。治疗一年后患者可进入研究延展期;第 12 个月评估未对随机治疗产生应答者,在第 13 个月换至另一治疗组。数据可用于肢端肥大症药物疗效与安全性对比分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:肢端肥大症。患者接受 Pasireotide LAR 或 Octreotide LAR 治疗一年。本研究旨在比较两个治疗组(pasireotide LAR 和 octreotide LAR)在 12 个月时平均 GH 水平降至 <2.5 µg/L 的患者比例,以及 IGF-1 恢复至正常范围(与年龄和性别相关)的比例。治疗一年后,患者可进入研究延展期。对随机分配的治疗无应答的患者(基于第 12 个月评估结果)在第 13 个月换至另一治疗组。

【主题与分类】

主题标签:Acromegaly。本站分类:内分泌系统疾病/肢端肥大症。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT00600886

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/NCT00600886

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:肢端肥大症。患者接受帕瑞肽LAR或奥曲肽LAR治疗一年。本研究的目的是比较两组治疗组(帕瑞肽LAR和奥曲肽LAR)在12个月时,平均GH水平降至<2.5 µg/L的患者比例以及IGF-1恢复正常范围(与年龄和性别相关)的患者比例。治疗一年后,患者可进入研究扩展阶段。对随机分配的治疗无反应的患者(根据第12个月的评估结果),在第13个月时转换为另一治疗组。

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