比较IFN α-2b XL联合利巴韦林与聚乙二醇干扰素α-2b联合利巴韦林治疗基因1或4型慢性丙型肝炎患者耐受性和病毒载量下降的研究
该数据集来自clinicaltrials.gov,收录一项针对慢性丙型肝炎基因1或4型患者的临床研究信息。研究比较IFN alfa-2b XL联合利巴韦林与Peg IFN alfa-2b联合利巴韦林的耐受性和病毒下降情况,涉及IFN alfa-2b XL 27 MUI、36 MUI及Peg IFN

基本信息
资源简介
比较IFN α-2b XL联合利巴韦林与聚乙二醇干扰素α-2b联合利巴韦林治疗基因1或4型慢性丙型肝炎患者耐受性和病毒载量下降的研究
该数据集来自clinicaltrials.gov,收录一项针对慢性丙型肝炎基因1或4型患者的临床研究信息。研究比较IFN alfa-2b XL联合利巴韦林与Peg IFN alfa-2b联合利巴韦林的耐受性和病毒下降情况,涉及IFN alfa-2b XL 27 MUI、36 MUI及Peg IFN alfa-2b 1.5 µg/kg三种方案,每周皮下注射一次共12周,并联合按体重给药的利巴韦林口服。数据可用于了解该试验的设计要素与用药方案,支持感染性疾病领域的治疗比较分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性丙型肝炎。干扰素alfa-2b XL(IFN alfa-2b XL)是一种新型缓释干扰素α-2b药物产品,由FLAMEL TECHNOLOGIES利用其Medusa®技术开发,旨在降低毒性并增强生物学应答。在本研究中,患者将被随机分配至IFN alfa-2b XL 27 MUI、IFN alfa-2b XL 36 MUI或Peg干扰素alfa-2b 1.5 µg/kg组,所有药物均每周皮下注射一次,持续12周,联合按体重给药的利巴韦林每日口服,分两次给药。剂量将根据利巴韦林处方信息中联合治疗标注的剂量调整指南进行调整。
【主题与分类】
主题标签:Chronic Hepatitis C。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01010646
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/NCT01010646
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
适应症:慢性丙型肝炎。干扰素α-2b XL(IFN α-2b XL)是一种新型缓释干扰素α-2b药品,由FLAMEL TECHNOLOGIES公司利用其Medusa®技术开发,旨在降低毒性并增强生物学应答。在本研究中,患者将被随机分配至IFN α-2b XL 27 MUI组、IFN α-2b XL 36 MUI组或聚乙二醇干扰素α-2b 1.5 µg/kg组,所有药物均每周皮下注射一次,连续12周,联合按体重给药的利巴韦林每日口服,分两次服用。剂量将根据利巴韦林处方信息中标注的联合治疗剂量调整指南进行调整。
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。




