MT-2990在季节性过敏性鼻炎患者中的临床药理学研究
研究主要考察MT-2990的安全性、耐受性和药代动力学，并进一步在第8、29、57和85天通过环境暴露舱（EEC）评估其疗效和药效学特征
基本信息
资源简介
MT-2990在季节性过敏性鼻炎患者中的临床药理学研究
该数据集英文名为“A Clinical Pharmacology Study of MT-2990 in Seasonal Allergic Rhinitis Patients”，来源于clinicaltrials.gov，主题标签为季节性过敏性鼻炎（Seasonal Allergic Rhinitis），在本站归类于免疫系统疾病下的花粉症类别。这项临床药理学研究以日本柳杉花粉诱发的季节性过敏性鼻炎（JC-SAR）患者为研究对象，核心目的是考察MT-2990的安全性、耐受性和药代动力学特征；同时，研究还计划在第8天、第29天、第57天和第85天，借助环境暴露舱（EEC）进一步评估该药物的疗效与药效学特征。整体而言，该数据集围绕一款在研药物在特定花粉过敏人群中的临床药理学表现展开，涵盖安全性、耐受性、药代动力学、疗效和药效学等多个评价维度，可为相关领域的研究者了解该研究的对象、目的与设计框架提供参考。
【数据集背景】
季节性过敏性鼻炎是由季节性花粉暴露诱发的过敏性疾病，日本柳杉花粉是其中具有代表性的致敏原之一。该数据集所对应的研究聚焦于日本柳杉花粉诱发的季节性过敏性鼻炎患者这一特定人群，属于免疫系统疾病中花粉症方向的临床药理学研究。研究以MT-2990为受试药物，旨在系统考察其在该人群中的安全性、耐受性和药代动力学特征，并进一步探索其疗效和药效学表现。研究采用环境暴露舱（EEC）作为疗效与药效学评价的载体，并在第8、29、57和85天设置评价时点，体现出对药物在受控花粉暴露条件下随时间变化表现的关注。
【数据内容】
该数据集的内容围绕一项临床药理学研究展开，所涉及的研究条件为季节性过敏性鼻炎。研究的主要评价内容包括MT-2990在患者中的安全性、耐受性和药代动力学；附加评价内容包括在环境暴露舱（EEC）中于第8天、第29天、第57天和第85天考察该药物的疗效和药效学特征。主题标签为季节性过敏性鼻炎。除上述研究目的与评价维度外，源站未提供具体的数据字段、变量清单或观测指标明细。
【采集与来源】
该数据集来源于clinicaltrials.gov，属于临床研究注册信息。研究对象为日本柳杉花粉诱发的季节性过敏性鼻炎（JC-SAR）患者。研究在环境暴露舱（EEC）条件下开展疗效和药效学评价，评价时点包括第8天、第29天、第57天和第85天。除来源站与上述研究设计要素外，源站未提供样本量、采集地点、采集流程或数据加工方式等具体信息。
【适用场景】
该数据集可用于了解MT-2990在季节性过敏性鼻炎患者中的临床药理学研究框架，适用于关注花粉症及免疫系统疾病相关药物研发的研究者参考。其研究目的涵盖安全性、耐受性、药代动力学、疗效和药效学等多个方面，并采用环境暴露舱在多个时间点进行评价，可为探讨受控过敏原暴露条件下的药物评价设计提供背景信息。除上述用途外，源站未提供关于该数据集具体适用场景的进一步说明。
【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/NCT03570957
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：季节性过敏性鼻炎。本研究旨在探讨MT-2990在日本柳杉花粉诱导的季节性过敏性鼻炎（JC-SAR）患者中的安全性、耐受性和药代动力学。本研究的另一目的是在第8天、第29天、第57天和第85天，于环境暴露舱（EEC）中探讨MT-2990的疗效和药效学特征。
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。
