巨细胞动脉炎与Anakinra试验

该数据集来自clinicaltrials.gov,围绕巨细胞动脉炎(Giant Cell Arteritis)患者使用Anakinra联合糖皮质激素治疗的对照研究

University Hospital, CaenUniversity Hospital, Caen
clinicaltrials
浏览 8
其他预测Giant Cell Arteritis
Giant Cell Arteritis and Anakinra Trial

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-23

资源简介

巨细胞动脉炎与Anakinra试验

该数据集来自clinicaltrials.gov,围绕巨细胞动脉炎(Giant Cell Arteritis)患者使用Anakinra联合糖皮质激素治疗的对照研究。研究假设加用Anakinra可缩短达到缓解的时间、提高完全缓解率、减少复发并降低12个月随访期内泼尼松总用量,旨在评估IL-1通路抑制在新诊断或复发患者中的概念验证性疗效与协同作用。数据可用于免疫系统疾病治疗方案的疗效分析与预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:巨细胞动脉炎。研究者做出的侧面假设是,接受Anakinra附加治疗的患者将分别具有更短的缓解时间和更高的完全缓解率、更少的复发以及12个月随访期内泼尼松总消耗量的减少。这项对照研究首次评估在糖皮质激素基础上加用Anakinra抑制GCA中IL-1通路的疗效,对象为新诊断或复发患者。本工作旨在支持以下概念验证:在GCA治疗中将Anakinra加入糖皮质激素治疗,这种联合的潜在协同作用以及Anakinra在新诊断患者中的内在治疗作用,并且不会使将从全部参考治疗中获益的患者失去机会。本研究的另一原创性在于

【主题与分类】

主题标签:Giant Cell Arteritis。本站分类:免疫系统疾病/其他。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02902731

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/NCT02902731

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

疾病:巨细胞动脉炎。研究者作出的次要假设是,接受阿那白滞素附加治疗的患者将分别具有更短的时间和更高的完全缓解率、更少的复发,以及在12个月随访期间泼尼松总用量减少。这项对照研究是首次评估在巨细胞动脉炎中通过阿那白滞素附加糖皮质激素治疗来抑制IL-1通路,研究对象为新诊断或复发患者。本工作的目的是支持以下概念验证:在巨细胞动脉炎治疗中将阿那白滞素加入糖皮质激素治疗,即该联合方案的潜在协同作用以及阿那白滞素在新诊断患者中的固有治疗作用,并且不使患者失去从全部参考治疗中获益的机会。本研究的另一创新之处在于证明靶向白细胞介素-1的激素节约效应,这本身对该疾病而言即是治疗学和疾病分类学上的创新。最后,辅助性生物学研究将阐明抗细胞因子疗法的作用方式,并确定对这种生物治疗产生应答的标志物。

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