评估AZD0780在血脂异常参与者中的疗效、安全性和药代动力学的研究
该数据集来自clinicaltrials.gov,主题为AZD0780在血脂异常参与者中的疗效、安全性和药代动力学研究。研究分为两部分:Part A为II期研究,评估AZD0780的药代动力学、药效学、安全性和耐受性,计划随机约60名符合标准的参与者,包含4个周期共最多80天;Part B为III期

基本信息
资源简介
评估AZD0780在血脂异常参与者中的疗效、安全性和药代动力学的研究
该数据集来自clinicaltrials.gov,主题为AZD0780在血脂异常参与者中的疗效、安全性和药代动力学研究。研究分为两部分:Part A为II期研究,评估AZD0780的药代动力学、药效学、安全性和耐受性,计划随机约60名符合标准的参与者,包含4个周期共最多80天;Part B为III期研究,评估在背景降脂治疗(包括中高强度他汀)基础上口服AZD0780降低LDL-C的效果及安全性、耐受性,Cohort 1计划随机约220名参与者,Cohort 2计划随机约100名参与者。该数据可用于了解血脂异常治疗领域的临床试验设计与药物评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:血脂异常。计划的研究包括2个部分。Part A将是II期研究,旨在评估AZD0780的PK、PD、安全性和耐受性。Part B将是III期研究,旨在评估在背景降脂治疗(包括中高强度他汀)基础上口服AZD0780后LDL-C的降低以及安全性和耐受性。对于Part A,大约60名符合入选标准的参与者将被随机分配。Part A将包括4个周期,总计最多80天。对于Part B,大约220名符合入选标准的参与者将在Cohort 1中被随机分配,大约100名符合入选标准的参与者将在Cohort 2中被随机分配。Cohort 1:参与者在筛选前至少28天接受稳定剂量的LLTs,包括中高强度他汀。Cohort
【主题与分类】
主题标签:Dyslipidaemia。本站分类:内分泌系统疾病/血脂异常。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06834932
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/NCT06834932
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:血脂异常。计划的研究包括2个部分。A部分为II期研究,旨在评估AZD0780的药代动力学、药效学、安全性和耐受性。B部分为III期研究,旨在评估在背景降脂治疗(包括中至高强度他汀类药物)基础上口服AZD0780后低密度脂蛋白胆固醇的降低情况以及安全性和耐受性。对于A部分,约60名符合入选标准的受试者将被随机分组。A部分将包括4个周期,总计长达80天。对于B部分,约220名符合入选标准的受试者将在队列1中被随机分组,约100名符合入选标准的受试者将在队列2中被随机分组。队列1:受试者在筛选前至少28天接受稳定剂量的降脂治疗,包括中至高强度他汀类药物。队列2:受试者可在背景降脂治疗中接受中等强度他汀类药物治疗或不接受他汀类药物治疗(非因他汀不耐受),或未接受任何降脂治疗。
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。




