评估AZD5718在蛋白尿性慢性肾脏病受试者中安全性与有效性的研究
该数据集来自clinicaltrials.gov,主题为蛋白尿性慢性肾脏病,本站归类于内分泌、营养和代谢疾病/糖尿病。研究覆盖约12个国家、约118个研究中心,整体研究周期约28周,计划入组约632名受试者,其中67%为糖尿病肾病(DKD)、33%为非DKD

基本信息
资源简介
评估AZD5718在蛋白尿性慢性肾脏病受试者中安全性与有效性的研究
该数据集来自clinicaltrials.gov,主题为蛋白尿性慢性肾脏病,本站归类于内分泌、营养和代谢疾病/糖尿病。研究覆盖约12个国家、约118个研究中心,整体研究周期约28周,计划入组约632名受试者,其中67%为糖尿病肾病(DKD)、33%为非DKD。受试者经最长4周筛选后按1:1:1:1随机接受不同剂量AZD5718和/或安慰剂治疗12周,随后所有受试者加用8周dapagliflozin。数据可用于慢性肾脏病治疗安全性、有效性及DKD相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性肾脏病。该研究将在约12个国家的约118个研究中心开展。整体研究周期约为28周。计划入组约632名受试者,其中67%为糖尿病肾病(DKD),33%为非DKD受试者。经过最长4周的筛选期后,受试者将按1:1:1:1的比例随机接受AZD5718的某一剂量和/或安慰剂治疗,前12周(第85天[治疗期1]),随后从第12周至第20周(第85天至141天[治疗期2])所有受试者加用8周dapagliflozin治疗。仅仍在接受治疗期1所分配治疗的受试者将进入治疗期2。第12周时尿白蛋白与肌酐比值(ACR)< 30 mg/g的任何受试者将被排除在治疗期2之外。资格检查至
【主题与分类】
主题标签:Chronic Kidney Disease。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/NCT04492722
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/NCT04492722
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:慢性肾脏病。该研究将在12个国家的约118个研究中心开展。整个研究周期约为28周。计划入组约632名受试者,其中67%为糖尿病肾脏病(DKD)受试者,33%为非DKD受试者。经过最长4周的筛选期后,受试者将按1:1:1:1的比例随机分配,在前12周(第85天[治疗期1])接受AZD5718的某一剂量和/或安慰剂治疗,并从第12周至第20周(第85天至第141天[治疗期2])对所有受试者加用达格列净治疗8周。只有在治疗期1仍继续接受其既定治疗的受试者才会进入治疗期2。第12周时尿白蛋白与肌酐比值(ACR)< 30 mg/g的任何受试者将被排除在治疗期2之外。进入治疗期2的资格检查将在第7次访视(第12周)时使用最近一次可获得的尿ACR结果进行。最终分析将在所有受试者完成最长4周的随访期后进行。
每位参与者的预期总研究持续时间(包括筛选期)至少为28周。
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。




