Navenibart 治疗遗传性血管性水肿的长期研究

该数据集来自 clinicaltrials.gov,收录一项关于 Navenibart 治疗遗传性血管性水肿(HAE)的 3 期多中心长期研究

Astria Therapeutics, Inc.Astria Therapeutics, Inc.
clinicaltrials
浏览 5
其他Hereditary Angioedema (HAE)
A Long-Term Study of Navenibart in Participants With Hereditary Angioedema

基本信息

模态
其他
创建/更新时间
2026-10-23

资源简介

Navenibart 治疗遗传性血管性水肿的长期研究

该数据集来自 clinicaltrials.gov,收录一项关于 Navenibart 治疗遗传性血管性水肿(HAE)的 3 期多中心长期研究。研究对象为曾参与 STAR-0215-301(NCT06842823;ALPHA-ORBIT)的成人和青少年 HAE 参与者。研究分两部分:第一部分以剂量控制方式向所有参与者提供 navenibart;第二部分根据个体需求引入个性化给药选项(PDO)。数据可用于评估 navenibart 在 HAE 人群中的长期安全性和疗效,并支持个性化给药策略的探索(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):适应症:遗传性血管性水肿(HAE)。这是一项 3 期多中心试验,分为两部分,旨在评估 navenibart 在参与过 STAR-0215-301(NCT06842823;ALPHA-ORBIT)的成人和青少年遗传性血管性水肿(HAE)参与者中的长期安全性和疗效。第 1 部分以剂量控制方式向所有参与者提供 navenibart;第 2 部分根据个体需求为参与者引入个性化给药选项(PDO)。

【主题与分类】

主题标签:Hereditary Angioedema (HAE)。本站分类:免疫系统疾病/荨麻疹和血管性水肿。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07204938

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07204938

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

适应症:遗传性血管性水肿(HAE)。这是一项分为两部分的3期多中心试验,旨在评估navenibart在参与STAR-0215-301(NCT06842823;ALPHA-ORBIT)的成人和青少年遗传性血管性水肿(HAE)受试者中的长期安全性和有效性。第1部分以剂量控制的方式为所有受试者提供navenibart;第2部分根据个体需求为受试者引入个性化给药选项(PDO)。

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。

获取专属数据定制方案