BHV-1300治疗格雷夫斯病研究
该数据集来自clinicaltrials.gov，收录一项关于BHV-1300治疗格雷夫斯病的研究。研究目的是确定BHV-1300对格雷夫斯病患者是否安全，并探索其对疾病特异性生物标志物的影响
基本信息
资源简介
BHV-1300治疗格雷夫斯病研究
该数据集英文名为 Study of BHV-1300 in Graves' Disease，来源于 clinicaltrials.gov，主题标签为 Graves Disease，在内分泌系统疾病分类下归入格雷夫斯病方向。数据集收录的是一项关于 BHV-1300 治疗格雷夫斯病的研究，研究目的在于确定 BHV-1300 对格雷夫斯病患者是否是一种安全的治疗方式，并探索该治疗对疾病特异性生物标志物的影响。整体来看，该数据集围绕格雷夫斯病这一自身免疫性甲状腺疾病，聚焦于候选治疗药物 BHV-1300 的安全性评价与生物标志物层面的效应探索，属于临床研究注册信息类数据资源，可供关注格雷夫斯病治疗研究进展的人员参考使用。
【数据集背景】
格雷夫斯病是内分泌系统疾病中的一种，本数据集将其归入内分泌系统疾病 / 格雷夫斯病分类之下。数据集所对应的研究关注 BHV-1300 这一治疗手段在格雷夫斯病患者中的应用。根据源站描述，该研究的核心目的有两方面：一是确定 BHV-1300 在格雷夫斯病患者中是否安全，二是探索其对疾病特异性生物标志物的影响。这表明该研究处于对候选药物进行安全性评估并同步观察疾病相关生物标志物变化的阶段，其背景信息主要围绕格雷夫斯病的治疗探索展开。
【数据内容】
该数据集的主题标签为 Graves Disease，收录内容对应一项关于 BHV-1300 治疗格雷夫斯病的研究。从源站描述可知，数据集涉及的研究条件为 Graves Disease，研究目的涵盖安全性判断与疾病特异性生物标志物影响探索两个方向。除上述信息外，关于数据集内具体包含哪些字段、记录数量、受试者规模、分组方式、给药方案、随访时长、生物标志物种类及检测结果等细节，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述给出了研究条件与研究目的，即 Conditions: Graves Disease，以及确定 BHV-1300 对格雷夫斯病患者是否安全并探索其对疾病特异性生物标志物影响的研究目的。关于采集时间、采集方法、更新频率、数据提取流程等具体采集信息，源站未提供。
【适用场景】
基于现有信息，该数据集适用于了解格雷夫斯病领域一项关于 BHV-1300 的临床研究的基本情况，可用于关注该药物治疗格雷夫斯病的安全性评价方向以及疾病特异性生物标志物探索方向的读者参考。关于更具体的适用场景，例如是否可用于系统评价、药物研发决策或临床指南制定等，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、检索方式、数据读取与解析方式等均未说明。
【质量与限制】
该数据集的信息来自 clinicaltrials.gov 的注册描述，现有内容主要体现研究条件与研究目的。关于数据完整性、准确性验证、偏倚控制、结果数据是否可得等质量与限制方面的具体说明，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT06980649
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：Graves病。本研究的目的是确定BHV-1300对Graves病受试者是否是一种安全的治疗方法，并探讨其对疾病特异性生物标志物的影响。
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。
