单克隆抗体治疗轻中度COVID-19门诊患者的适应性随机非劣效性试验
主要结局为截至第14天的COVID-19进展（住院、需要补充氧疗或死亡）。数据可用于比较不同单克隆抗体方案的临床效果，支持感染性疾病领域的治疗决策分析（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）
基本信息
资源简介
单克隆抗体治疗轻中度COVID-19门诊患者的适应性随机非劣效性试验
Adaptive, randomized, non-inferiority trial to evaluate the efficacy of monoclonal antibodies in outpatients with mild or moderate COVID-19
该数据集基于MANTICO试验（临床试验号NCT05205759）的结果，该试验是一项非劣效性随机对照试验，比较bamlanivimab/etesevimab、casirivimab/imdevimab和sotrovimab在50岁及以上早期COVID-19门诊患者中的临床疗效。主要结局为截至第14天的COVID-19进展（住院、需要补充氧疗或死亡）。数据可用于比较不同单克隆抗体方案的临床效果，支持感染性疾病领域的治疗决策分析（来源 DOI 解析，Creative Commons Zero v1.0 Universal 许可）。
【数据集背景】
源站首次发布：2022。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集基于一项名为MANTICO的试验（临床试验号NCT05205759）的结果。该研究是一项非劣效性随机对照试验，比较bamlanivimab/etesevimab、casirivimab/imdevimab和sotrovimab在50岁及以上早期COVID-19门诊患者中的临床疗效。主要结局为COVID-19进展（住院、需要补充氧疗或截至第14天死亡）。
【主题与分类】
主题标签：Early COVID-19、Monoclonal antibody、Omicron、sotrovimab、casirivimab/imdevimab、bamlanivimab/etesevimab。本站分类：感染性疾病。
【获取与许可】
源站页面：https://datadryad.org/dataset/doi:10.5061/dryad.tdz08kq2w
使用许可：Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.tdz08kq2w
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:
数据集大小约 678.0 KB。
数据说明
该数据集基于一项名为MANTICO的试验结果（临床试验编号NCT05205759）。该研究是一项非劣效性随机对照试验，比较bamlanivimab/etesevimab、casirivimab/imdevimab和sotrovimab在50岁及以上早期COVID-19门诊患者中的临床疗效。主要结局为COVID-19进展（截至第14天的住院、需要补充氧疗或死亡）。
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。
