AZD9550单药及联合AZD6234在伴或不伴2型糖尿病的超重与肥胖人群中安全性的试验

该数据集来自clinicaltrials.gov,收录一项I/II期、随机、单盲、安慰剂对照、多剂量递增(MAD)临床试验,研究对象为伴或不伴2型糖尿病(T2DM)的超重与肥胖参与者

AstraZenecaAstraZeneca
clinicaltrials
浏览 9
其他Overweight and Obesity
A Trial to Learn How Safe AZD9550 Monotherapy and Combined With AZD6234 is in People With or Without Type 2 Diabetes Who Are Living With Obesity and Overweight

基本信息

模态
其他
创建/更新时间
2026-10-08

资源简介

AZD9550单药及联合AZD6234在伴或不伴2型糖尿病的超重与肥胖人群中安全性的试验

该数据集来自clinicaltrials.gov,收录一项I/II期、随机、单盲、安慰剂对照、多剂量递增(MAD)临床试验,研究对象为伴或不伴2型糖尿病(T2DM)的超重与肥胖参与者。试验评估AZD9550单药及AZD9550与AZD6234联合给药的安全性、耐受性,并表征皮下给药后的药代动力学(PK)和药效学(PD)。设置安慰剂组用于安全性、耐受性基准比较,随机单盲设计旨在减少偏倚。数据可用于内分泌与代谢疾病领域的安全性、PK/PD研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:超重与肥胖。这项I/II期、随机、单盲、安慰剂对照、MAD研究将评估AZD9550单药治疗以及AZD9550与AZD6234联合给药的安全性和耐受性,并将表征在超重和肥胖参与者(伴或不伴T2DM)中皮下给药后AZD9550单药治疗以及AZD9550与AZD6234联合给药的PK和PD。纳入接受安慰剂的参与者适用于对AZD9550以及AZD9550与AZD6234联合给药的安全性和耐受性进行基准比较。选择随机和单盲研究设计以尽量减少偏倚,并包括安慰剂,以便于识别与研究干预给药相关而非与研究程序或情境相关的效应。

【主题与分类】

主题标签:Overweight and Obesity。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/NCT06151964

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/NCT06151964

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

适应症:超重和肥胖。这项I/II期、随机、单盲、安慰剂对照的多剂量递增(MAD)研究将评估AZD9550单药治疗以及AZD9550与AZD6234联合给药的安全性和耐受性,并将表征在超重和肥胖参与者(伴或不伴T2DM)中皮下注射AZD9550单药治疗以及AZD9550与AZD6234联合给药后的药代动力学(PK)和药效学(PD)。纳入接受安慰剂的参与者对于基准评估AZD9550及AZD9550与AZD6234联合给药的安全性和耐受性是合适的。选择随机、单盲研究设计旨在尽量减少偏倚,并包含安慰剂,以便于识别与研究干预给药相关而非与研究程序或情境相关的效应。

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