评估Ruxolitinib对APECED相关斑秃患者毛发再生的疗效与安全性
该数据集来自clinicaltrials.gov,聚焦自身免疫性多内分泌病-念珠菌病-外胚层营养不良(APECED)相关严重斑秃(AA)患者

基本信息
资源简介
评估Ruxolitinib对APECED相关斑秃患者毛发再生的疗效与安全性
该数据集来自clinicaltrials.gov,聚焦自身免疫性多内分泌病-念珠菌病-外胚层营养不良(APECED)相关严重斑秃(AA)患者。研究为2期开放标签试验,评估JAK抑制剂ruxolitinib口服每日两次给药在毛发再生方面的疗效与安全性,包含8周观察期、住院起始给药、第8和16周剂量调整及共8个月的治疗方案,并监测不良事件与患者报告结局。数据可用于免疫相关脱发治疗反应与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:自身免疫性多内分泌病-念珠菌病-外胚层营养不良(Apeced)、斑秃。研究描述:这是一项2期开放标签研究,旨在评估Janus相关激酶(JAK)抑制剂ruxolitinib在严重APECED相关斑秃(AA)中的疗效与安全性。在为期8周的观察期评估基线疾病状态后,符合条件的参与者可入院接受最长10天的住院访视,开始接受口服ruxolitinib每日两次给药。剂量将在第8周和第16周增加,但若参与者出现某些不良事件(AEs),剂量可能维持或减少。ruxolitinib方案的总持续时间为8个月。在面对面研究访视中,将监测参与者的AEs/反应,并完成患者报告结局(PRO)指标以追踪其症状和总体健康状况。部分
【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/NCT05398809
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/NCT05398809
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:自身免疫性多内分泌病-念珠菌病-外胚层营养不良(APECED)、斑秃。研究描述:这是一项2期开放标签研究,旨在评估Janus相关激酶(JAK)抑制剂ruxolitinib在严重APECED相关斑秃(AA)中的疗效和安全性。在经过为期8周的观察期以评估基线疾病状态后,符合条件的受试者可能被收治入院最多10天进行住院访视,以开始接受每日两次口服ruxolitinib给药。剂量将在第8周和第16周增加,但如果受试者出现某些不良事件(AE),则可能维持或降低剂量。ruxolitinib方案的总持续时间为8个月。在面对面研究访视时,将监测受试者的AE/反应,并完成患者报告结局(PRO)指标,以追踪其症状和总体健康状况。在没有面对面访视的月份,受试者还将进行远程访视,以进行AE评估和当地采血用于安全性实验室检查。
参与者的家庭成员或家庭接触者也将被纳入研究,以完成一项生活质量调查,用于与相应的患者调查进行比较。主要目标:评估ruxolitinib对APECED相关AA参与者毛发再生的疗效。次要目标:1. 评估ruxolitinib在APECED相关AA患者中的安全性。2. 评估与ruxolitinib治疗应答相关的毛发再生其他疗效指标。3. 研究ruxolitinib对与毛发再生相关的PROs的影响。4. 评估ruxolitinib对皮肤组织学和免疫学特征的影响。探索性目标:1. 研究ruxolitinib对改善皮肤以外受累器官和组织的临床症状及相关实验室、组织学和免疫学异常的影响。2. 研究ruxolitinib对皮肤以外受累器官和组织的PROs的影响。3. 研究ruxolitinib对预防ne发生的影响
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。




