CP101口服全谱微生物群治疗复发性艰难梭菌感染试验的开放标签扩展研究
该数据集来自clinicaltrials.gov,为一项开放标签扩展研究,评估口服全谱微生物群CP101在复发性艰难梭菌感染受试者中的安全性与有效性

基本信息
资源简介
CP101口服全谱微生物群治疗复发性艰难梭菌感染试验的开放标签扩展研究
该数据集来自clinicaltrials.gov,为一项开放标签扩展研究,评估口服全谱微生物群CP101在复发性艰难梭菌感染受试者中的安全性与有效性。研究对象包括CDI-001试验中接受CP101或安慰剂后8周内复发者,以及符合直接入组CP101-CDI-E02条件的复发性CDI成人。约200名受试者接受单日CP101治疗,随后24周监测CDI复发、安全性与耐受性,主要疗效和安全性终点在治疗后8周评估。数据可用于复发性CDI治疗结局预测及微生物群干预研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:艰难梭菌感染、复发性艰难梭菌感染、C. Diff、CDI、复发性C. Diff、rCDI、C. Difficile、复发性CDI。这是一项开放标签研究,评估CP101治疗在以下受试者中的安全性和有效性:1)CDI-001研究中接受CP101或安慰剂后8周内出现CDI复发的受试者;或2)符合直接进入CP101-CDI-E02研究条件的复发性CDI成人。经历复发性CDI的受试者将接受筛选程序。符合入选标准的受试者将有资格入组研究并接受CP101给药。约200名受试者将接受CP101。治疗持续时间为1天。受试者将在接受CP101后24周内监测CDI复发、安全性和耐受性。主要疗效和安全性终点将在治疗后8周评估。
【主题与分类】
主题标签:Clostridium Difficile Infection、C. Diff、CDI、Recurrent C. Diff、rCDI、C. Difficile、Recurrent CDI、FMT、Fecal Microbiota、Fecal Transplant。本站分类:感染性疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03497806
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/NCT03497806
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:艰难梭菌感染、复发性艰难梭菌感染、艰难梭菌、CDI、复发性艰难梭菌、rCDI、艰难梭菌、复发性CDI。这是一项开放标签研究,旨在评估CP101治疗在以下人群中的安全性和有效性:1)CDI-001研究中在接受CP101或安慰剂后8周内出现CDI复发的受试者;或2)符合直接进入CP101-CDI-E02研究条件的复发性CDI成人患者。正在经历复发性CDI的受试者将接受筛选程序。符合入选标准的受试者将有资格入组本研究并接受CP101给药。约200名受试者将接受CP101。治疗持续时间为1天。受试者将在接受CP101后接受24周的CDI复发、安全性和耐受性监测。主要疗效和安全性终点将在治疗后8周进行评估,所有受试者将继续接受额外16周的安全性和CDI复发随访。
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。




