INV-202治疗糖尿病肾病的2期研究
该数据集来自clinicaltrials.gov，为一项关于INV-202治疗糖尿病肾病的2期随机、双盲、安慰剂对照、剂量探索、多中心研究
基本信息
资源简介
INV-202治疗糖尿病肾病的2期研究
该数据集来自clinicaltrials.gov，为一项关于INV-202治疗糖尿病肾病的2期随机、双盲、安慰剂对照、剂量探索、多中心研究。研究对象为确诊糖尿病肾病（由1型或2型糖尿病导致，2型糖尿病病程≥1年）的成年患者，要求此前稳定接受抗糖尿病药物治疗≥4个月且HbA1c<9.5%。约240名受试者按1:1:1随机分配至INV-202 10 mg、INV-202 25 mg或安慰剂组，每日一次给药，持续16周。数据可用于评估疗效、安全性、耐受性和药代动力学（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：糖尿病肾病。这是一项2期、随机、双盲、安慰剂对照、剂量探索、多中心研究，旨在评估INV-202用于治疗确诊糖尿病肾病（DKD）的成年参与者的疗效、安全性、耐受性和药代动力学，这些参与者的DKD由1型糖尿病（T1DM）或2型糖尿病（T2DM）（确诊≥1年）引起，且此前已接受稳定抗糖尿病药物治疗方案≥4个月，HbA1c<9.5%。约240名参与者（每组80人）将按1:1:1比例随机分配至3个治疗组之一：INV-202 10 mg、INV-202 25 mg或安慰剂。分配的研究治疗将每日一次（QD）服用，持续16周。由于预期筛选失败率较高，参与者可在获得批准的预筛选ICF的站点进行预筛选。如果参与者在筛选期间……每位参与者将允许进行1次复测。
【主题与分类】
主题标签：Diabetic 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/NCT05514548
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/NCT05514548
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：糖尿病肾病。这是一项2期、随机、双盲、安慰剂对照、剂量递增、多中心研究，旨在评估INV-202治疗成人糖尿病肾病（DKD）参与者的疗效、安全性、耐受性和药代动力学，这些参与者由1型糖尿病（T1DM）或2型糖尿病（T2DM）（诊断≥1年）引起，且先前已接受稳定抗糖尿病药物治疗方案≥4个月，HbA1c<9.5%。大约240名参与者（每组80名）将以1:1:1的比例随机分配到3个治疗组中的1个：INV-202 10 mg、INV-202 25 mg或安慰剂。分配的研究治疗将每日一次（QD）服用，持续16周。由于预期筛选失败率较高，参与者可在获得批准的预筛选ICF的站点进行预筛选。如果参与者在筛选期间失败，将允许1次重测，并根据具体情况，经全球医学监查员批准后允许1次重新筛选。
研究参与将持续约22周，包括筛选期（最多4周）、为期16周每日研究治疗的研究治疗期，以及安全性随访访视，即在治疗结束访视（第18周[W18]）后2周进行电话随访，以便报告停用研究药物后出现的任何不良事件。任何在完成治疗前退出的参与者将被要求返回进行提前终止访视，届时将进行通常安排在第16周访视时的程序。
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。
