泼尼松缓解评估试验——卓越中心方案
该数据集来自 clinicaltrials.gov,聚焦肉芽肿性多血管炎(GPA,Wegener's)患者,在血管炎卓越中心招募受试者,随机分为两组:一组按标准化方案将泼尼松减至5 mg/天并维持,另一组减至0 mg/天并维持,随访6个月或直至泼尼松剂量增加

基本信息
资源简介
泼尼松缓解评估试验——卓越中心方案
该数据集来自 clinicaltrials.gov,聚焦肉芽肿性多血管炎(GPA,Wegener's)患者,在血管炎卓越中心招募受试者,随机分为两组:一组按标准化方案将泼尼松减至5 mg/天并维持,另一组减至0 mg/天并维持,随访6个月或直至泼尼松剂量增加。数据可用于研究泼尼松减量策略对GPA缓解的影响,支持临床结局预测与治疗决策分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肉芽肿性多血管炎。患有肉芽肿性多血管炎(GPA,Wegener's)的患者将在其中一个血管炎卓越中心招募。参与者将按1:1随机分组,要么根据标准化方案将泼尼松剂量逐渐减至5 mg/天,并在研究期间或直至研究终点前维持5 mg/天的泼尼松剂量;要么使用标准方案将泼尼松剂量逐渐减至0 mg/天,并在研究期间或直至研究终点前维持0 mg/天。所有研究参与者将被随访6个月(从达到泼尼松剂量5 mg/天起)或直至(随机分组后)泼尼松剂量增加发生,以先发生者为准。参与者将有多达四次研究访视:筛选访视(访视1)、基线(访视2)、第3个月访视(访视3)和第6个月或发作访视(访视
【主题与分类】
主题标签:Granulomatosis With Polyangiitis。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/NCT01940094
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/NCT01940094
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:肉芽肿性多血管炎。肉芽肿性多血管炎(GPA,韦格纳肉芽肿)患者将从一家血管炎卓越中心招募。参与者将按1:1随机分组,要么按照标准化方案将泼尼松剂量逐渐减至5 mg/天,并在研究期间或直至达到研究终点前维持5 mg/天的泼尼松剂量;要么使用标准方案将泼尼松剂量逐渐减至0 mg/天,并在研究期间或直至达到研究终点前维持0 mg/天。所有研究参与者将随访6个月(从达到泼尼松5 mg/天剂量起算),或直至(随机分组后)出现泼尼松剂量增加,以先发生者为准。参与者最多将有四次研究访视:筛选访视(第1次访视)、基线访视(第2次访视)、第3个月访视(第3次访视)和第6个月或发作访视(第3次访视),以及研究协调员在随机分组时和第1个月时最多两次随访电话(如果随机分组发生在第1个月,随机分组电话和第1个月电话可以合并)。
本研究是血管炎临床研究联盟(VCRC)的一个项目,由美国国立卫生研究院罕见病临床研究网络(RDCRN)资助,旨在促进血管炎研究。VCRC是北美研究血管炎的主要临床研究基础设施,八个VCRC卓越中心将为本研究招募受试者。
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。




