ReNEW:Elamipretide皮下注射治疗干性年龄相关性黄斑变性的3期疗效、安全性与药代动力学研究
ReNEW(SPIAM-301)是一项3期、随机、双盲、平行组、安慰剂对照临床试验,评估每日一次皮下注射elamipretide在干性年龄相关性黄斑变性受试者中的疗效、安全性与药代动力学

基本信息
资源简介
ReNEW:Elamipretide皮下注射治疗干性年龄相关性黄斑变性的3期疗效、安全性与药代动力学研究
ReNEW(SPIAM-301)是一项3期、随机、双盲、平行组、安慰剂对照临床试验,评估每日一次皮下注射elamipretide在干性年龄相关性黄斑变性受试者中的疗效、安全性与药代动力学。受试者按2:1随机分配至40 mg elamipretide或安慰剂,治疗96周,并按SD-OCT设备类型及基线光感受器丢失黄斑面积分层。数据可用于分析该疗法的疗效、安全性及药代动力学特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:年龄相关性黄斑变性(ARMD)。ReNEW(SPIAM-301)试验是一项3期、随机、双盲、平行组、安慰剂对照临床试验,旨在评估每日一次皮下(SC)注射elamipretide在干性AMD受试者中的疗效、安全性和药代动力学。受试者将按2:1随机分配至每日一次皮下注射40 mg elamipretide或安慰剂,治疗96周,通过中央随机化进行,并按SD-OCT设备类型(Heidelberg SPECTRALIS®、ZEISS CIRRUS®)和基线光感受器丢失黄斑面积分层,后者定义为通过SD-OCT和椭圆体带(EZ)映射评估的椭圆体带-视网膜色素上皮(EZ-RPE)厚度为0μm(高分层≥5.1mm2,低分层<5.1mm2)。主要目标 * 评估每日一次皮下(SC)注射elamipretide在干性年龄相关
【主题与分类】
主题标签:Age Related Macular Degeneration (ARMD)。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06373731
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/NCT06373731
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:年龄相关性黄斑变性(ARMD)。ReNEW(SPIAM-301)试验是一项3期、随机、双盲、平行组、安慰剂对照的临床试验,旨在评估每日一次皮下注射(SC)依拉米肽在干性AMD受试者中的疗效、安全性和药代动力学。受试者将按2:1的比例随机分配至每日一次皮下注射40 mg依拉米肽或安慰剂组,治疗96周,通过中央随机化进行分组,并按SD-OCT设备类型(Heidelberg SPECTRALIS®、ZEISS CIRRUS®)和基线黄斑光感受器丢失面积进行分层,后者定义为通过SD-OCT和椭圆体带(EZ) mapping评估的椭圆体带-视网膜色素上皮(EZ-RPE)厚度为0μm(高分层≥5.1mm²,低分层<5.1mm²)。主要目的 * 评估每日一次皮下注射(SC)依拉米肽在干性年龄相关性黄斑变性(AMD)受试者中的疗效 次要目的 * 评估每日一次皮下注射依拉米肽的安全性和耐受性 * 评估依拉米肽及其代谢物的药代动力学(PK)特征
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。




