VRDN-003 治疗活动性甲状腺眼病(TED)的疗效、安全性和耐受性研究

该数据集来自 clinicaltrials.gov,围绕 VRDN-003 在活动性甲状腺眼病(TED)受试者中的疗效、安全性和耐受性研究

Viridian Therapeutics, Inc.Viridian Therapeutics, Inc.
clinicaltrials
浏览 6
其他Thyroid Eye Disease
An Efficacy, Safety, and Tolerability Study of VRDN-003 in Participants With Active Thyroid Eye Disease (TED)

基本信息

模态
其他
创建/更新时间
2026-10-22

资源简介

VRDN-003 治疗活动性甲状腺眼病(TED)的疗效、安全性和耐受性研究

该数据集来自 clinicaltrials.gov,围绕 VRDN-003 在活动性甲状腺眼病(TED)受试者中的疗效、安全性和耐受性研究。研究为随机、双盲、安慰剂对照设计,受试者接受每 4 周或每 8 周一次皮下注射 VRDN-003 或安慰剂,主要目标是评估药物的疗效、安全性和耐受性;第 24 周无有意义应答的受试者可能获得额外 VRDN-003 皮下注射。数据可用于了解该试验的设计与入组条件,支持甲状腺眼病治疗相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:甲状腺眼病。这是一项随机(即受试者将按 chance 被分配到研究组)、双盲(即研究医生和受试者均不知道受试者被分配到哪个研究组)、安慰剂对照的研究,将纳入活动性 TED 受试者。本研究的主要目标是确定 VRDN-003 以每 4 周或每 8 周一次的一系列皮下/SC 注射给药时,与安慰剂相比在活动性 TED 受试者中是否有效、安全和可耐受。在第 24 周没有有意义应答的受试者(无论最初的治疗组别)可能有资格接受额外的 VRDN-003 皮下注射。

【主题与分类】

主题标签:Thyroid Eye Disease。本站分类:内分泌、营养和代谢疾病/其他。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06625411

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/NCT06625411

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:甲状腺眼病。这是一项随机(即参与者将按偶然性分配至研究组)、双盲(即研究医生和参与者均不知道参与者被分配至哪一研究组)、安慰剂对照研究,将纳入活动性TED参与者。本研究的主要目标是确定VRDN-003每4周或每8周通过一系列皮下/SC注射给药与安慰剂相比,在活动性TED参与者中是否有效、安全且可耐受。在第24周无有意义应答的参与者(无论初始治疗组别如何)可能有资格接受额外的VRDN-003皮下注射。

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