MLE4901 对比安慰剂治疗多囊卵巢综合征研究
该数据集来自 clinicaltrials.gov，收录 MLE4901 对比安慰剂治疗多囊卵巢综合征（PCOS）的临床试验信息
基本信息
资源简介
MLE4901 对比安慰剂治疗多囊卵巢综合征研究
该数据集英文名为 MLE4901 vs. Placebo for the Treatment of PCOS，来自 clinicaltrials.gov，主题标签为多囊卵巢综合征（Polycystic Ovary Syndrome, PCOS），在内分泌系统疾病 / 多毛症分类下收录。数据集围绕 MLE4901 与安慰剂对照治疗 PCOS 的临床试验信息展开，涵盖从筛选、导入、治疗到随访的完整试验流程描述，可用于了解该试验的设计框架与时间安排。整体而言，该数据集属于临床试验注册信息类数据，重点呈现研究方案层面的内容，而非个体受试者的检测结果。
【数据集背景】
多囊卵巢综合征是内分泌系统疾病中常见的一类疾病，常伴随多毛症等表现。该数据集所对应的临床试验以 PCOS 为适应症，比较 MLE4901 与安慰剂在治疗中的效果。试验在正式给药前设置了较长的准备阶段，用于更好地刻画研究人群特征，这一设计反映出该研究对受试者基线状态与疾病特征的重视。
【数据内容】
数据集收录的是该临床试验的注册与方案信息，源站描述中给出了试验的整体时间结构：筛选/洗脱期最长 12 周；随后是 8 周导入期，导入期以孕激素挑战开始；导入期之后进入为期 28 周的治疗期；治疗期结束后设置 8 周随访期，随访期内不给予研究药物，用于评估 MLE4901 效应的持久性。按此安排，每位受试者的研究总时长约为 48 周（11 个月）。数据内容以这些方案要素为核心，具体受试者数量、分组比例、剂量方案、终点指标等源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床试验注册信息。其内容依据源站对该试验的描述整理而成，适应症为多囊卵巢综合征（PCOS）。除来源站与适应症外，关于数据采集的具体机构、采集时间、采集方式等信息，源站未提供。
【适用场景】
该数据集适用于需要了解 MLE4901 对比安慰剂治疗 PCOS 试验设计框架的场景，例如研究方案层面的参考、试验流程与周期安排的查阅，以及在内分泌系统疾病 / 多毛症相关主题下进行临床试验信息的归集与检索。由于内容以方案描述为主，不适合直接用于疗效或安全性的定量分析。
【使用方法】
使用时可依据数据集中给出的试验阶段划分理解研究流程：先经历最长 12 周的筛选/洗脱期，再进入以孕激素挑战开始的 8 周导入期，随后是 28 周治疗期，最后是 8 周无研究药物的随访期，总时长约 48 周。具体的数据字段结构、访问方式与检索接口，源站未提供。
【质量与限制】
该数据集的信息来自临床试验注册来源，内容以方案描述为主，缺少受试者数量、终点指标、统计方法等细节，源站未提供这些内容。因此在使用时应注意其覆盖范围限于试验设计层面，不能据此推断治疗效果的结论。数据的完整性、更新频率与校验情况，源站未提供。
【引用与许可】
该数据集来自 clinicaltrials.gov，引用时应注明来源站。关于具体的许可条款、使用限制与推荐引用格式，源站未提供。
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/NCT02865915
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：多囊卵巢综合征（PCOS）。在长达12周的筛选/洗脱期之后，将进行为期8周的导入期（以孕激素激发试验开始），以更好地表征研究人群。导入期之后将进入为期28周的治疗期。随后，将进行为期8周的随访期（即不使用研究药物），以评估MLE4901效果的持久性。每名受试者的研究持续时间约为48周（11个月）。
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。
