镰状细胞病中羟基脲优化研究
该数据集来自 clinicaltrials.gov,聚焦镰状细胞病患者对羟基脲治疗反应存在显著个体差异的问题。研究为前瞻性队列药代动力学研究,纳入100名尼日利亚镰状细胞病患者,包括当前使用羟基脲者和初治患者,收集药效动力学标志物以评估治疗反应

基本信息
资源简介
镰状细胞病中羟基脲优化研究
该数据集来自 clinicaltrials.gov,聚焦镰状细胞病患者对羟基脲治疗反应存在显著个体差异的问题。研究为前瞻性队列药代动力学研究,纳入100名尼日利亚镰状细胞病患者,包括当前使用羟基脲者和初治患者,收集药效动力学标志物以评估治疗反应。数据可用于分析暴露-反应关系、构建群体药代动力学与药代动力学-药效动力学模型,并支持妊娠、哺乳及儿科生理药代动力学建模,最终服务于精准医学算法开发(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:镰状细胞病。羟基脲治疗在镰状细胞病管理中临床反应的广泛个体间变异限制了其使用。这些变异与药效学、药代动力学和药物遗传学的差异有关。因此,本研究旨在加深对这些因素与羟基脲治疗相关性的理解,总体目标是开发精准医学算法。该研究将是一项前瞻性队列药代动力学研究,纳入100名尼日利亚镰状细胞病患者,包括当前羟基脲使用者和初治患者。将收集药效动力学标志物以评估反应。将在Monolix中开发PopPK和PK-PD模型,在R中分析暴露-反应关系,并在Simcyp或PK-SIM中开发妊娠、哺乳和儿科PBPK模型以
【主题与分类】
主题标签:Sickle Cell Disease。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07543289
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/NCT07543289
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:镰状细胞病。羟基脲治疗在镰状细胞病管理中的临床反应存在较大的个体间差异,这限制了其应用。这些差异与药效学、药代动力学和药物遗传学的差异有关。因此,本研究旨在加深对这些与羟基脲治疗相关因素的理解,总体目标是开发一种精准医学算法。该研究将是一项前瞻性队列药代动力学研究,纳入100名尼日利亚镰状细胞病患者,包括当前使用羟基脲的患者和初治患者。将收集药效学标志物以评估反应。将在Monolix中开发PopPK和PK-PD模型,在R中分析暴露-反应关系,并在Simcyp或PK-SIM中开发妊娠期、哺乳期和儿科PBPK模型,以指导剂量优化。本研究旨在通过整合羟基脲在药代动力学、药效学和药物遗传学方面的差异,构建一个药物计量学模型,从而有助于优化尼日利亚镰状细胞病患者的羟基脲治疗。本研究的目标是 i.
i. 确定尼日利亚镰状细胞病人群中与羟基脲处置相关的代谢酶和转运蛋白基因多态性的流行率;ii. 开发并验证一种使用高效液相色谱法对羟基脲进行定量的分析方法;iii. 使用群体药代动力学模型评估遗传及其他协变量对尼日利亚镰状细胞病人群中羟基脲处置的影响;iv. 使用药代动力学-药效学模型研究羟基脲暴露与临床结局(胎儿血红蛋白、平均红细胞体积、血管闭塞危象(VOC)减少及血细胞计数改善)之间的关系;v. 开发基于生理的药代动力学(PBPK)模型,以预测羟基脲
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。




