14天伏诺拉生双联疗法对比四联疗法根除幽门螺杆菌的疗效与安全性：多中心非劣效随机对照试验
该数据集来自 clinicaltrials.gov，聚焦幽门螺杆菌感染，收录一项多中心、非劣效随机对照试验，比较14天伏诺拉生双联疗法与四联疗法根除幽门螺杆菌的疗效与安全性
基本信息
资源简介
14天伏诺拉生双联疗法对比四联疗法根除幽门螺杆菌的疗效与安全性：多中心非劣效随机对照试验
该数据集对应一项在 clinicaltrials.gov 登记的临床研究，英文名称为“Efficacy and Safety of 14-Day Vonoprazan-Based Dual Therapy Versus Quadruple Therapy for Helicobacter Pylori Eradication: A Multicentre, Non-Inferiority Randomized Controlled Trial”，中文可理解为“14天伏诺拉生双联疗法对比四联疗法根除幽门螺杆菌的疗效与安全性：一项多中心、非劣效随机对照试验”。数据集聚焦幽门螺杆菌感染这一感染性疾病主题，收录该随机对照试验的研究信息，可用于了解两种根除方案在疗效与安全性方面的比较设计。整体而言，该数据集属于临床试验登记信息类资源，围绕幽门螺杆菌根除治疗方案的循证评价展开，适合关注感染性疾病治疗研究的人员参考。
【数据集背景】
幽门螺杆菌感染是临床常见的感染性疾病问题，根除治疗方案的疗效与安全性一直是相关研究关注的重点。该数据集所对应的研究即为针对这一临床问题设计的多中心、非劣效随机对照试验，旨在比较14天伏诺拉生双联疗法与四联疗法用于幽门螺杆菌根除的效果与安全性。研究采用非劣效设计，说明其关注点在于验证双联方案是否不劣于四联方案，而非单纯比较优劣。该数据集在站内归入“感染性疾病 / 其他”分类，主题标签为幽门螺杆菌感染。
【数据内容】
数据集收录的研究信息包括研究条件，即幽门螺杆菌感染；研究设计类型为多中心、非劣效随机对照试验；干预比较为14天伏诺拉生双联疗法与四联疗法。研究的主要结局指标为根除率，次要结局指标包括不良事件发生率和依从性。上述内容构成了该数据集的核心信息范围，主要反映研究的目的、设计与评价指标，而非个体受试者层面的原始数据。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床试验登记信息。其内容依据源站描述整理，涵盖研究条件、研究设计、干预比较以及主要和次要结局指标等登记要素。数据集本身不涉及额外的数据采集过程说明。
【适用场景】
该数据集可用于了解幽门螺杆菌根除治疗领域一项多中心非劣效随机对照试验的研究设计与评价框架，适合作为感染性疾病治疗研究的参考信息，也可用于辅助理解伏诺拉生双联疗法与四联疗法比较研究的结局设置。其登记信息性质使其更适用于研究概览与背景查阅，而非直接用于个体层面的统计分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT07179159
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：幽门螺杆菌感染。本研究是一项多中心、非劣效性随机对照试验，旨在比较14天伏诺拉生为基础的双联疗法与四联疗法根除幽门螺杆菌的疗效和安全性。主要结局为根除率，次要结局包括不良事件发生率和依从性。
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。
