Pegcetacoplan(APL-2)治疗地图样萎缩患者的研究
本数据集来自 clinicaltrials.gov,收录一项关于 Pegcetacoplan(APL-2)治疗地图样萎缩的 II 期前瞻性、多中心、随机、单盲、假注射对照研究

基本信息
资源简介
Pegcetacoplan(APL-2)治疗地图样萎缩患者的研究
本数据集来自 clinicaltrials.gov,收录一项关于 Pegcetacoplan(APL-2)治疗地图样萎缩的 II 期前瞻性、多中心、随机、单盲、假注射对照研究。该研究评估多次玻璃体腔内注射 pegcetacoplan 在继发于年龄相关性黄斑变性的地图样萎缩受试者中的安全性、耐受性及活性证据,计划在 40 个跨国中心随机约 240 名受试者以获得至少 200 名可评估受试者,按 2:2:1:1 分配至每月 pegcetacoplan、隔月 pegcetacoplan、每月假注射或隔月假注射组。数据可用于眼病与干性黄斑变性领域的临床试验分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:地图样萎缩。这是一项 II 期、前瞻性、多中心、随机、单盲、假注射对照研究,旨在评估多次玻璃体腔内注射 pegcetacoplan 在继发于年龄相关性黄斑变性的地图样萎缩受试者中的安全性、耐受性和活性证据。该研究将在 40 个跨国中心随机约 240 名受试者,以获得至少 200 名可评估受试者。受试者将按 2:2:1:1 的方式随机分配,分别接受每月 pegcetacoplan(AM)、隔月 pegcetacoplan(AEOM)、每月假注射(SM)或隔月假注射(SEOM)。所有受试者将在第 7 天返回临床中心,以评估首次注射后的急性安全性。此后,每月组受试者将每月返回临床中心接受额外的 pegcetacoplan(或假注射)注射和研究程序。
【主题与分类】
主题标签:Geographic Atrophy。本站分类:眼病/干性黄斑变性。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02503332
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/NCT02503332
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
适应症:地图样萎缩。这是一项II期、前瞻性、多中心、随机、单盲、假注射对照研究,旨在评估多次玻璃体腔注射pegcetacoplan在继发于年龄相关性黄斑变性的地图样萎缩受试者中的安全性、耐受性及活性证据。该研究将随机分配约240名受试者,以在40个跨国研究中心获得至少200名可评估受试者。受试者将按2:2:1:1的比例随机分配,分别接受每月一次pegcetacoplan(AM)、每隔一个月一次pegcetacoplan(AEOM)、每月一次假注射(SM)或每隔一个月一次假注射(SEOM)。所有受试者将在第7天返回临床中心,以评估首次注射后的急性安全性。此后,每月给药组的受试者将每月返回临床中心接受额外的pegcetacoplan(或假注射)注射和研究程序,直至第12个月。每隔一个月给药组的受试者将每两个月返回临床中心接受额外的pegcetacoplan(或假注射)注射和研究程序,直至第12个月。
所有受试者将在第15个月和第18个月(分别为末次注射后3个月和6个月)返回进行随访。
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。




