评估Upadacitinib片治疗重度斑秃成人及青少年患者安全性与有效性的研究
该数据集来自clinicaltrials.gov,收录一项评估Upadacitinib片在重度斑秃成人及青少年患者中安全性、有效性与耐受性的临床研究

基本信息
资源简介
评估Upadacitinib片治疗重度斑秃成人及青少年患者安全性与有效性的研究
该数据集来自clinicaltrials.gov,收录一项评估Upadacitinib片在重度斑秃成人及青少年患者中安全性、有效性与耐受性的临床研究。研究涉及斑秃这一免疫系统攻击毛囊导致脱发的疾病,包含多个研究阶段与治疗分组,部分参与者按比例分配至安慰剂组。数据可用于了解该药物治疗斑秃的临床试验设计、分组方式及安全性评估框架,适用于免疫系统疾病相关研究参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:斑秃。斑秃(AA)是一种免疫系统攻击毛囊并导致脱发的疾病。AA通常影响头部和面部,但脱发可发生在身体任何部位。本研究旨在评估Upadacitinib在重度AA青少年和成人参与者中的安全性、有效性和耐受性。Upadacitinib是一种已获批药物,正在被研究用于治疗AA。在研究1、研究2和研究4的A阶段,参与者被分配到3个组之一,称为治疗组。每组接受不同的治疗。参与者有1/5的机会被分配到安慰剂组。在研究1、研究2和研究4的B阶段,最初在A阶段被随机分配到Upadacitinib剂量组的参与者将在B阶段继续相同的治疗。最初被随机分配到安慰剂组的参与者……
【主题与分类】
主题标签: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/NCT06012240
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/NCT06012240
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:斑秃。斑秃(AA)是一种免疫系统攻击毛囊并导致脱发的疾病。斑秃通常影响头部和面部,但身体任何部位都可能发生脱发。本研究的目的是评估upadacitinib在患有重度斑秃的青少年和成人受试者中的安全性、有效性和耐受性。Upadacitinib是一种已获批的药物,正在被研究用于治疗斑秃。在研究1、研究2和研究4的A阶段中,受试者被分配到3个组中的1个,称为治疗组。每组接受不同的治疗。受试者有五分之一的机会被分配到安慰剂组。在研究1、研究2和研究4的B阶段中,最初在A阶段被随机分配到upadacitinib剂量组的受试者将在B阶段继续接受相同的治疗。最初在A阶段被随机分配到安慰剂组的受试者将在B阶段继续接受安慰剂,或根据其脱发严重程度工具(SALT)评分被随机分配到2个组中的1个。完成研究1、研究2或研究4的受试者可以加入研究3,并可能被重新随机分配接受1种或2种剂量的upadacitinib,最长持续108周。
约1500名重度AA参与者将在全球约280个研究中心入组本研究。参与者将每日一次口服upadacitinib或安慰剂片剂,最长用药160周,并可能在第24周和第52周被重新随机分配至不同的治疗组。参与者将在末次研究药物给药后接受最长30天的随访。与标准治疗相比,本试验中的参与者可能承受更高的治疗负担。参与者将在研究期间定期前往医院或诊所访视。治疗效果将通过医学评估、血液检查、副作用监测和填写问卷进行检查。
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。




