带状疱疹减毒活疫苗长期有效性研究
该数据集来自 clinicaltrials.gov,为一项多中心回顾性队列研究,旨在评估带状疱疹减毒活疫苗在接种后 6 年内的长期有效性

基本信息
资源简介
带状疱疹减毒活疫苗长期有效性研究
该数据集来自 clinicaltrials.gov,为一项多中心回顾性队列研究,旨在评估带状疱疹减毒活疫苗在接种后 6 年内的长期有效性。研究计划从 2020-2021 年长春百克生物科技股份公司开展的 III 期临床试验(NCT04334577)的改良有效性全分析集(E-mFAS)中选取 24,740 名非带状疱疹病例参与者。原始试验中参与者按 1:1 随机分配至疫苗组或安慰剂组,分别接种一剂疫苗或安慰剂。研究采用阶段式设计,可用于疫苗长期保护效果的分析与预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:带状疱疹。这是一项多中心回顾性队列研究,旨在评估带状疱疹减毒活疫苗在接种后 6 年内的长期有效性。我们计划从 2020-2021 年开展的长春百克生物科技股份公司生产的带状疱疹减毒活疫苗 III 期临床试验(NCT04334577)的改良有效性全分析集(E-mFAS)中选取 24,740 名非带状疱疹病例参与者。在原始 III 期临床试验中,参与者按 1:1 比例随机分配至疫苗组和安慰剂组,分别接种一剂带状疱疹减毒活疫苗(每 0.5 mL 剂量含水痘-带状疱疹病毒 ≥4.3 lg PFU)或一剂安慰剂(不含水痘-带状疱疹病毒成分)。本研究采用阶段式设计。在第一阶段,参与者 o
【主题与分类】
主题标签:Herpes Zoster。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07585370
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/NCT07585370
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:带状疱疹。这是一项多中心回顾性队列研究,旨在评估减毒活带状疱疹疫苗在接种后6年内的长期有效性。我们计划从长春百克生物科技股份公司于2020—2021年开展的减毒活带状疱疹疫苗III期临床试验(NCT04334577)的改良有效性全分析集(E-mFAS)中,选取24,740名非带状疱疹病例的受试者。在原III期临床试验中,受试者按1:1比例随机分配至疫苗组和安慰剂组,分别接种一剂减毒活带状疱疹疫苗(每0.5 mL剂量含水痘-带状疱疹病毒≥4.3 lg PFU)或一剂安慰剂(不含水痘-带状疱疹病毒成分)。本研究采用分阶段设计。在第1阶段,将原分配至疫苗组的受试者与原分配至安慰剂组的受试者进行比较,以评估从原III期临床试验结束(2021年7月)至该疫苗在中国获批上市(2023年6月)期间的带状疱疹累积发病率。
在第二阶段,即该疫苗于2023年6月在中国获得上市许可之后,原分配至安慰剂组的大部分参与者接受了补种疫苗,从而形成了一个补种疫苗组。将对这些阶段特异性组进行比较,以评估接受补种疫苗的参与者与在原始III期临床试验中接种疫苗的参与者相比保护作用的相对减弱情况。此外,在原分配至安慰剂组并接受补种疫苗的参与者中,将比较补种疫苗接种后期间的带状疱疹发病率与其补种疫苗接种前较早的安慰剂期间发病率,以评估接种疫苗与安慰剂条件下带状疱疹的相对风险。
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。




