Aralast 治疗新发糖尿病研究试验 (RETAIN)
该数据集来自 clinicaltrials.gov,属于内分泌、营养和代谢疾病 / 糖尿病分类,聚焦 1 型糖尿病。研究分为 Part 1a 和 Part 1b:Part 1a 已完成,为开放标签、剂量递增的 PK、PD 和安全性研究,受试者接受 12 次静脉输注,前 6 次 45 mg/kg/wk

基本信息
资源简介
Aralast 治疗新发糖尿病研究试验 (RETAIN)
该数据集来自 clinicaltrials.gov,属于内分泌、营养和代谢疾病 / 糖尿病分类,聚焦 1 型糖尿病。研究旨在评估 Aralast NP(AAT,Alpha-1 Antitrypsin)能否帮助减缓 T1DM 进展。研究分为 Part 1a 和 Part 1b:Part 1a 已完成,为开放标签、剂量递增的 PK、PD 和安全性研究,受试者接受 12 次静脉输注,前 6 次 45 mg/kg/wk,后 6 次 90 mg/kg/wk,涵盖 16-35 岁和 8-15 岁新发 T1DM 受试者;Part 1b 在入组前终止。数据可用于糖尿病进展预测与治疗安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:1 型糖尿病。研究人员有兴趣开展这项研究,以评估 Aralast NP(AAT,Alpha-1 Antitrypsin)是否有助于减缓 T1DM 的进展。本研究的第 I 部分有两个部分:-1a 和 -1b:第 1a 部分(已完成):一项开放标签、剂量递增、PK、PD 和安全性研究。参与者接受 12 次静脉(IV)输注 Aralast NP。第 1 至 6 次输注以 45 mg/kg/wk 给药,第 7 至 12 次输注以 90 mg/kg/wk 给药。第 Ia 部分由两组组成: 入组时年龄 16 - 35 岁的新发 T1DM 受试者 入组时年龄 8 -15 岁的新发 T1DM 受试者。第 1b 部分(在受试者入组前研究终止):一项开放标签、剂量递增 PK、PD 和安全性研究,其中参与者接受 12 次 Aralast NP 输注。第 1 至 6 次输注以 90 mg/kg/wk 给药,第 7 至 1
【主题与分类】
主题标签:Diabetes Mellitus, Type 1。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01183468
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/NCT01183468
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
疾病:1型糖尿病。研究人员有兴趣开展这项研究,以评估Aralast NP(AAT,α-1抗胰蛋白酶)是否有助于减缓T1DM的进展。本研究第I部分分为两部分:-1a和-1b:第1a部分(已完成):一项开放标签、剂量递增、PK、PD和安全性研究。受试者接受12次Aralast NP静脉(IV)输注。第1至6次输注以45 mg/kg/周给药,第7至12次输注以90 mg/kg/周给药。第Ia部分包括两组:* 入组时年龄为16-35岁的新发T1DM受试者 * 入组时年龄为8-15岁的新发T1DM受试者。第1b部分(在受试者入组前研究已终止):一项开放标签、剂量递增PK、PD和安全性研究,其中受试者接受12次Aralast NP输注。第1至6次输注以90 mg/kg/周给药,第7至12次输注以180 mg/kg/周给药。第Ib部分包括两组:* 入组时年龄为16-35岁的新发T1DM受试者 * 入组时年龄为8-15岁的新发T1DM受试者。第Ib部分的受试者不转入第II部分(参见NCT01183455)。
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。




