阿兹夫定片治疗COVID-19真实世界临床研究
该数据集源自clinicaltrials.gov，为阿兹夫定片治疗SARS-CoV-2感染的真实世界临床研究。研究旨在建立阿兹夫定治疗SARS-CoV-2感染的真实世界临床队列与数据库，覆盖COVID-19患者及阿兹夫定用药相关信息，可为评估阿兹夫定治疗SARS-CoV-2感染的临床疗效与安全性提供
基本信息
资源简介
阿兹夫定片治疗COVID-19真实世界临床研究
该数据集英文名为 The Real-world Clinical Study of Azvudine Tablets in the Treatment of COVID-19，源自 clinicaltrials.gov，本站归类为感染性疾病 / 其他。其主题标签为 COVID-19 与 Azvudine。研究旨在建立阿兹夫定治疗 SARS-CoV-2 感染的真实世界临床队列与数据库，覆盖 COVID-19 患者及阿兹夫定用药相关信息，为评估阿兹夫定治疗 SARS-CoV-2 感染的临床疗效与安全性提供稳定、可靠的证据。该数据集面向真实世界临床研究场景，可用于了解阿兹夫定在 COVID-19 人群中的用药与结局相关信息。
【数据集背景】
该数据集对应的研究聚焦阿兹夫定片治疗 COVID-19 的真实世界临床研究。源站描述指出，研究条件涉及 COVID-19 与 Azvudine，研究目的是建立阿兹夫定治疗 SARS-CoV-2 感染的真实世界临床队列和数据库，并为阿兹夫定治疗 SARS-CoV-2 感染的临床疗效与安全性评价提供稳定、可靠的证据。由此可知，该数据集服务于真实世界证据的积累，关注药物在临床实践中的实际应用情况，而非仅限受控试验环境。
【数据内容】
依据源站描述，数据集围绕阿兹夫定治疗 SARS-CoV-2 感染的真实世界临床队列与数据库建设展开，覆盖 COVID-19 患者及阿兹夫定用药相关信息。主题标签为 COVID-19 和 Azvudine。关于具体变量字段、样本量、随访时长、结局指标定义等细节，源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov。源站描述表明其研究设计为真实世界临床研究，目标是建立临床队列与数据库。关于采集机构、采集地点、采集时间窗口、数据录入流程及质量控制措施等，源站未提供。
【适用场景】
该数据集可用于阿兹夫定治疗 SARS-CoV-2 感染的真实世界临床疗效与安全性评价相关研究，也可用于围绕 COVID-19 患者用药信息开展的真实世界证据探索。其建设目的即为相关评价提供稳定、可靠的证据支持。关于具体分析场景、统计方法或模型要求，源站未提供。
【使用方法】
源站未提供具体使用方法，包括数据访问方式、数据结构说明、变量字典、分析指南或推荐工具等。
【质量与限制】
源站描述强调为临床疗效与安全性评价提供稳定、可靠的证据，但未提供样本规模、数据完整性、缺失率、偏倚控制、随访依从性等具体质量指标。作为真实世界临床研究，其设计定位与受控试验不同，相关限制的量化说明源站未提供。
【引用与许可】
源站未提供引用格式、许可条款或使用限制等信息。
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/NCT06349655
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：COVID-19，阿兹夫定。建立阿兹夫定治疗SARS-CoV-2感染的真实世界临床队列和数据库，为阿兹夫定治疗SARS-CoV-2感染的临床疗效和安全性评价提供稳定可靠的证据。
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。
