Avacopan长期使用特定药物使用结果调查
该数据集来自clinicaltrials.gov，为Avacopan长期使用的特定药物使用结果调查。数据可用于了解该药在真实临床环境中的长期表现，支持安全性监测与疗效分析（来源 clinicaltrials.gov）
基本信息
资源简介
Avacopan长期使用特定药物使用结果调查
该数据集英文名为 Special Drug Use-results Survey for Long-term Use（Avacopan），来源于 clinicaltrials.gov，属于免疫系统疾病 / 其他分类。其源站描述显示，调查覆盖的疾病条件为显微镜下多血管炎（MPA）与肉芽肿性多血管炎（GPA），目的是在真实使用条件下评估 Avacopan 长期给药对日本 MPA 或 GPA 患者的安全性与有效性。数据集以这两种疾病为主题标签，可用于了解该药在真实临床环境中的长期表现，支持安全性监测与疗效分析。整体而言，该数据集围绕特定药物在特定人群中的长期使用结果展开，具有明确的疾病指向和真实世界研究属性，适合关注免疫系统疾病治疗与药物长期风险收益评价的使用者参考。
【数据集背景】
该数据集对应的是一项特定药物使用结果调查，聚焦 Avacopan 的长期使用。源站描述明确指出，调查针对的是日本患者群体，疾病条件为显微镜下多血管炎（MPA）和肉芽肿性多血管炎（GPA）。调查的核心目的在于评估 Avacopan 长期给药在实际使用条件下的安全性和有效性。这一背景决定了数据集的主题范围：它不是广泛的免疫系统疾病数据集合，而是围绕单一药物在两种特定血管炎患者中的长期应用所形成的结果调查数据。数据集在分类上归入免疫系统疾病 / 其他，与其疾病主题相吻合。
【数据内容】
依据源站描述，该数据集的内容围绕 Avacopan 长期给药的安全性与有效性评价展开，覆盖的疾病条件为显微镜下多血管炎（MPA）与肉芽肿性多血管炎（GPA），目标人群为日本患者。主题标签同样指向这两种疾病。除上述主题与目的性描述外，源站未提供关于具体变量、字段结构、样本量、随访时长或统计指标的细节。因此，数据内容层面的具体构成应以源站原始记录为准，本介绍不对此作进一步推断。
【采集与来源】
该数据集来自 clinicaltrials.gov。源站描述表明其性质为特定药物使用结果调查，关注 Avacopan 在真实使用条件下的长期给药表现。关于采集方式、调查实施机构、时间范围、数据收集流程等信息，源站未提供。
【适用场景】
基于源站描述，该数据集可用于了解 Avacopan 在真实临床环境中的长期表现，支持安全性监测与疗效分析。其疾病指向明确，适合围绕显微镜下多血管炎（MPA）与肉芽肿性多血管炎（GPA）患者的长期用药评价开展工作。关于更具体的适用场景，如药物警戒、临床决策支持或卫生技术评估等，源站未提供相应说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或数据结构说明。
【质量与限制】
源站未提供关于数据质量、完整性、偏倚控制或使用限制的说明。使用者应注意，该数据集为特定药物使用结果调查，其覆盖范围与源站描述一致，不宜外推至未提及的疾病、人群或药物。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT06758271
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
条件：显微镜下多血管炎（MPA）、肉芽肿性多血管炎（GPA）。本调查的目的是在实际使用条件下，评估Avacopan长期给药对日本显微镜下多血管炎或肉芽肿性多血管炎患者的安全性和有效性。
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。
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。
