以口服咪达唑仑为探针评估F901318对CYP3A4潜在抑制作用
研究采用开放标签设计,以口服咪达唑仑(2 mg)为探针,评估静脉给予F901318(4 mg/kg bid一天后2.5 mg/kg bid共7剂)对CYP3A4的潜在抑制作用

基本信息
资源简介
以口服咪达唑仑为探针评估F901318对CYP3A4潜在抑制作用
该数据集来自clinicaltrials.gov,主题为侵袭性曲霉病(Invasive Aspergillosis),属于感染/真菌感染分类。研究采用开放标签设计,以口服咪达唑仑(2 mg)为探针,评估静脉给予F901318(4 mg/kg bid一天后2.5 mg/kg bid共7剂)对CYP3A4的潜在抑制作用。计划纳入最多二十名受试者,分两个队列,接受相同的咪达唑仑和F901318给药方案及相同操作。第一队列由12名受试者组成,分两组每组6人。若第一队列中两次咪达唑仑给药之间动力学存在明显差异,则不研究第二队列;若无明显差异,则继续研究第二队列以得出最终结果。研究持续采集咪达唑仑及1-和4-羟基咪达唑仑的血浆和尿液浓度用于药代。
【数据内容】
源站描述(机器翻译,仅供参考):条件:侵袭性曲霉病。这将是一项开放标签研究,先给予咪达唑仑(第1天口服2 mg),随后在静脉给予F901318 4 mg/kg bid一天、继以2.5 mg/kg bid共7剂后(第7天)给予咪达唑仑(口服2 mg)。最多二十名受试者将纳入两个队列,两个队列将接受相同的咪达唑仑和F901318给药方案并接受相同的操作。第一队列将由12名受试者组成,分两组每组6人进行研究。如果在第一队列中,两次咪达唑仑给药之间可检测到明显的咪达唑仑动力学差异,则第二队列将不进行研究。如果没有明显差异,则第二队列也将进行研究以给出最终结果。咪达唑仑及1-和4-羟基咪达唑仑血浆和尿液浓度的PK采样将持续至并包括
【主题与分类】
主题标签:Invasive Aspergillosis。本站分类:感染/真菌感染。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02680808
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/NCT02680808
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:侵袭性曲霉病。这将是一项开放标签研究,先给予咪达唑仑(口服剂量2 mg,第1天),随后在静脉注射F901318 4 mg/kg每日两次给药一天后,再给予咪达唑仑(口服2 mg),接着以2.5 mg/kg每日两次给药7次(第7天)。最多二十名受试者将纳入两个队列,这两个队列将接受相同的咪达唑仑和F901318给药方案,并接受相同的程序。第一个队列将由12名受试者组成,分为两组,每组6名受试者。如果在第一个队列中,可检测到咪达唑仑第一剂和第二剂之间的动力学存在明显差异,则第二个队列将不会进行研究。如果没有明显差异,则也将研究第二个队列以得出最终结果。咪达唑仑及1-羟基咪达唑仑和4-羟基咪达唑仑血浆和尿液浓度的PK采样将在两次给予咪达唑仑后持续至24小时(含24小时)。F901318的PK采样将从第一剂给药前持续至第九剂给药后24小时。
在完成第二剂咪达唑仑和第九剂F901318后的血样采集后,将于离开临床单元后7±2天进行随访。
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。




