Iptacopan治疗ANCA相关性血管炎研究
疾病：抗中性粒细胞胞浆抗体（ANCA）相关性血管炎。这是一项随机对照研究，旨在评估iptacopan联合RTX诱导治疗用于治疗新诊断或复发的活动性GPA或MPA患者的疗效和安全性
基本信息
资源简介
Iptacopan治疗ANCA相关性血管炎研究
该数据集英文名为 Iptacopan in Patients With ANCA Associated Vasculitis，来源于 clinicaltrials.gov，主题聚焦于抗中性粒细胞胞浆抗体（ANCA）相关性血管炎。根据源站描述，这是一项随机、对照研究，旨在评估 iptacopan 联合 RTX 诱导治疗用于治疗新诊断或复发的活动性 GPA 或 MPA 患者的疗效和安全性。数据集在本站归类于免疫系统疾病 / 其他类别，围绕 ANCA 相关性血管炎这一主题标签组织信息。整体而言，该数据集记录了一项针对特定免疫系统疾病的临床研究方案信息，可供关注该疾病领域治疗研究的人员参考。
【数据集背景】
抗中性粒细胞胞浆抗体（ANCA）相关性血管炎是一类累及小血管的自身免疫性疾病，GPA 与 MPA 是该疾病范畴下的具体类型。源站描述指出，该研究关注的是新诊断或复发的活动性 GPA 或 MPA 患者。研究采用随机、对照的设计，考察 iptacopan 与 RTX 诱导治疗联合应用的效果。该数据集即围绕这一临床研究主题进行组织与呈现，主题标签明确指向 ANCA 相关性血管炎。
【数据内容】
该数据集的核心内容为一项临床研究的描述性信息，包括研究疾病条件（ANCA 相关性血管炎）、研究设计类型（随机、对照研究）、干预组合（iptacopan 联合 RTX 诱导治疗）、目标人群（新诊断或复发的活动性 GPA 或 MPA 患者）以及研究目的（评估疗效和安全性）。数据集英文名称为 Iptacopan in Patients With ANCA Associated Vasculitis，本站分类为免疫系统疾病 / 其他。除上述内容外，源站未提供更细粒度的数据字段说明。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提供了研究的基本信息，包括疾病条件、研究设计、干预方式与研究目的。数据集的采集方式、采集时间范围、更新频率等具体信息，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解 ANCA 相关性血管炎领域一项关于 iptacopan 联合 RTX 诱导治疗的随机对照研究的基本情况，适合作为该疾病治疗研究方向的参考信息。其主题标签有助于在免疫系统疾病相关数据中进行检索与归类。更具体的适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、格式说明或分析指引等。
【质量与限制】
该数据集的信息主要来自源站描述，内容以研究层面的概述为主。关于数据完整性、准确性评估、样本量、具体终点指标等质量相关信息，源站未提供。使用者应注意，现有描述未涵盖研究结果或详细数据字段，相关限制信息源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT06388941
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
适应症：抗中性粒细胞胞质抗体（ANCA）相关性血管炎。这是一项随机对照研究，旨在评估iptacopan联合RTX诱导疗法用于治疗新诊断或复发的活动性GPA或MPA患者的疗效和安全性。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
