评估Upadacitinib治疗儿童斑秃安全性和有效性的研究
该数据集来自clinicaltrials.gov,主题为评估Upadacitinib在儿童重度斑秃患者中的安全性和有效性

基本信息
资源简介
评估Upadacitinib治疗儿童斑秃安全性和有效性的研究
该数据集来自clinicaltrials.gov,主题为评估Upadacitinib在儿童重度斑秃患者中的安全性和有效性。斑秃是一种免疫系统攻击毛囊导致脱发的疾病,可累及头皮、面部及任何有毛部位。目前针对儿童斑秃的系统性治疗存在高度未满足需求,Upadacitinib作为Janus-Kinase(JAK)抑制剂,通过对抗引起斑秃的炎症发挥作用。研究中将不同剂量的Upadacitinib与安慰剂进行比较。该数据可用于了解儿童斑秃治疗现状、药物作用机制及临床试验设计,服务于免疫系统疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:重度斑秃。斑秃(AA)是一种免疫系统攻击毛囊并导致脱发的疾病。斑秃通常影响头皮和面部,但脱发可发生在身体任何有毛的部位。针对成人和青少年斑秃患者已有一些治疗选择,但获批用于年轻斑秃患者的全身性治疗(随血液流动全身起效的治疗)仍存在高度未满足的需求。治疗可能并非对所有患者有效,或可能随时间推移而失效。因此,研究人员正在开发新的斑秃治疗方法,如upadacitinib。Upadacitinib是一种称为Janus-Kinase(JAK)抑制剂的药物,与身体协同对抗可引起斑秃的炎症。在本研究中,不同剂量(用量)的upadacitinib正在与安慰剂治疗进行比较(安慰剂外观与试验治疗相似
【主题与分类】
主题标签:Severe Alopecia Areata。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07772492
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/NCT07772492
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:重度斑秃。斑秃(AA)是一种因免疫系统攻击毛囊而导致脱发的疾病。斑秃通常影响头皮和面部,但身体任何有毛发的部位都可能发生脱发。对于患有斑秃的成人和青少年,目前有一些治疗选择,但对于获批用于年轻斑秃患者的全身性治疗(随血液在全身流动的治疗),仍存在高度未满足的需求。治疗可能并非对所有患者都有效,也可能随时间推移而失效。因此,研究人员正在开发新的斑秃治疗方法,例如upadacitinib。Upadacitinib是一种称为Janus激酶(JAK)抑制剂的药物,可与机体协同对抗可能引起斑秃的炎症。在本研究中,将不同剂量(用量)的upadacitinib与安慰剂治疗(外观与研究治疗相似,但不含药物)进行比较。Upadacitinib是一种在研JAK抑制剂,正在开发用于治疗儿童患者的重度斑秃。这是一项随机、双盲、安慰剂对照研究。参与者被分配到3个组,称为治疗组。
每组接受不同的治疗。参与者被分配至安慰剂组的概率为五分之一。将纳入诊断为重度斑秃且SALT评分≥50(头皮毛发脱落)的儿科参与者。参与者在筛选时至少6岁,在基线时小于18岁。该研究将在全球约120个研究中心纳入约300名参与者。参与者将每日或每日两次接受口服剂量的upadacitinib或匹配的安慰剂,持续约160周。该研究包括35天的筛选期、24周安慰剂对照双盲治疗期(A期)、28周盲法扩展治疗期(B期)、108周盲法长期扩展期(C期)以及30天的随访期。可能存在更高的治疗
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。




