SGB-9768治疗阵发性睡眠性血红蛋白尿症研究
适应症：PNH - 阵发性睡眠性血红蛋白尿症。这是一项多中心、随机、开放标签的II期研究，旨在评估多剂量SGB-9768在成人阵发性睡眠性血红蛋白尿症（PNH）患者中的疗效和安全性
基本信息
资源简介
SGB-9768治疗阵发性睡眠性血红蛋白尿症研究
该数据集对应一项关于SGB-9768治疗阵发性睡眠性血红蛋白尿症（PNH）的临床研究，收录于血液及造血器官疾病／其他分类之下，来源为clinicaltrials.gov。研究针对成人PNH患者，采用多中心、随机、开放标签的II期设计，评估多剂量SGB-9768的疗效与安全性。数据集以PNH为主题标签，核心信息围绕研究适应症、研究设计与评价目标展开，可为关注补体相关溶血性疾病治疗进展的研究者、临床医生及药物研发人员提供该试验的结构化索引与背景参考。
【数据集背景】
阵发性睡眠性血红蛋白尿症（PNH）是一种获得性造血干细胞疾病，属于血液及造血器官疾病范畴。该数据集所对应的研究聚焦于这一适应症，旨在探索SGB-9768在成人PNH患者中的应用价值。研究定位为II期临床试验，说明其处于初步评价药物疗效与安全性的阶段，为后续更大规模研究提供依据。数据集的分类归属与主题标签均指向PNH，便于在血液疾病相关资源中检索与归类。
【数据内容】
数据集描述的核心内容包括研究条件（PNH）、研究设计类型（多中心、随机、开放标签）、研究阶段（II期）以及研究目的（评估多剂量SGB-9768在成人PNH患者中的疗效和安全性）。主题标签为“PNH - Paroxysmal Nocturnal Hemoglobinuria”。关于受试者数量、给药方案细节、主要终点与次要终点的具体定义、随访时长、统计分析方法等，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。其描述文本概括了研究的基本性质与目标，未涉及具体数据采集流程、样本采集方式或数据管理细节，源站未提供相关内容。
【适用场景】
该数据集可用于了解PNH领域一项II期临床研究的基本设计与方向，适合作为文献检索、研究选题、临床试验汇总分析或疾病治疗进展梳理的索引性参考。由于缺乏具体结果数据，不宜直接用于疗效比较、安全性评价或meta分析中的定量合并。
【使用方法】
使用者可依据数据集提供的适应症、研究设计与研究目的信息，定位该试验在PNH研究谱系中的位置，并据此追溯源站获取进一步信息。具体的数据访问方式、下载格式与使用条款，源站未提供。
【质量与限制】
该数据集为临床试验注册信息的摘要性描述，未包含研究结果、样本量、终点数据或统计结论，无法据此判断研究质量或证据强度。开放标签设计可能带来偏倚风险，但相关评价信息源站未提供。使用时应结合源站的完整注册记录进行核实。
【引用与许可】
引用方式与许可条款源站未提供。
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/NCT07796256
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：PNH——阵发性睡眠性血红蛋白尿症。这是一项多中心、随机、开放标签的II期研究，旨在评估多剂量SGB-9768在成人阵发性睡眠性血红蛋白尿症（PNH）患者中的疗效和安全性。
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。
