评估Etavopivat治疗镰状细胞病疗效的研究
本数据集来自clinicaltrials.gov，收录一项关于Etavopivat治疗镰状细胞病的临床研究。该研究旨在确认Etavopivat能否有效减少成人和青少年镰状细胞病患者因血管阻塞引起的血管闭塞危象（VOC，即镰状细胞疼痛危象），同时评估其减轻器官损伤、改善运动耐量和缓解疲劳的效果
基本信息
资源简介
评估Etavopivat治疗镰状细胞病疗效的研究
本数据集收录自 clinicaltrials.gov，主题为一项关于 Etavopivat 治疗镰状细胞病的临床研究。该研究旨在确认 Etavopivat 能否有效减少成人和青少年镰状细胞病患者因血管阻塞引起的血管闭塞危象（VOC，即镰状细胞疼痛危象），同时评估其减轻器官损伤、改善运动耐量和缓解疲劳的效果。研究涉及的条件为镰状细胞病，参与者将随机接受 Etavopivat 或安慰剂治疗，整个研究持续时间约为 2 年。Etavopivat 是一种新药，目前除本研究外还在其他研究中接受测试。该数据集归属于血液与淋巴系统疾病 / 镰状细胞贫血分类，主题标签为 Sickle Cell Disease。
【数据集背景】
镰状细胞病是一种影响血液与淋巴系统的疾病，患者常因血管阻塞而出现血管闭塞危象，即镰状细胞疼痛危象，并可能伴随器官损伤、运动耐量下降和疲劳等问题。本数据集所对应的临床研究，正是针对这一疾病背景，探索新药 Etavopivat 在减少血管闭塞危象方面的作用，并进一步评估其在减轻器官损伤、改善运动耐量和缓解疲劳方面的表现。该研究关注成人和青少年患者群体，旨在为镰状细胞病的治疗提供新的临床证据。
【数据内容】
本数据集的内容围绕一项临床研究展开，研究条件为镰状细胞病。研究的主要目标是确认 Etavopivat 能否有效减少成人和青少年镰状细胞病患者因血管阻塞引起的血管闭塞危象（VOC，即镰状细胞疼痛危象）。同时，研究还将评估 Etavopivat 在减轻不同器官损伤、改善运动耐量以及减少疲劳方面的效果。参与者将被随机分配接受 Etavopivat 或安慰剂治疗，具体接受哪种治疗由随机决定。研究持续时间约为 2 年。Etavopivat 是一种新药，目前除本研究外，还在其他研究中接受测试。
【采集与来源】
本数据集来源于 clinicaltrials.gov。该来源提供了关于本项临床研究的描述信息，包括研究条件、研究目的、干预方式、研究持续时间以及药物背景等。数据集本身即基于该来源站所收录的临床试验信息整理而成，未涉及其他数据来源。
【适用场景】
本数据集适用于关注镰状细胞病治疗进展的场景，尤其是对 Etavopivat 这一新药在减少血管闭塞危象、减轻器官损伤、改善运动耐量和缓解疲劳方面效果的研究。也可用于了解成人和青少年镰状细胞病患者参与随机对照临床试验的相关信息。此外，对于血液与淋巴系统疾病 / 镰状细胞贫血分类下的临床研究汇总、药物研发动态跟踪等场景，本数据集亦可作为参考。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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/NCT06612268
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
疾病：镰状细胞病。本研究旨在确认etavopivat是否能有效减少成人和青少年镰状细胞病患者因血管阻塞引起的血管闭塞危象（VOC，镰状细胞疼痛危象）的次数。本研究还将评估etavopivat在减轻镰状细胞病患者不同器官损伤、改善运动耐量和减轻疲劳方面的效果。受试者将接受etavopivat或安慰剂治疗。受试者接受哪种治疗由随机决定。Etavopivat是一种新药，目前除本研究外，还在其他研究中接受测试。研究将持续约2年。
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。
