评估类风湿关节炎不同靶向治疗的研究
源站描述显示，这是一项通过系列子研究评估靶向治疗对中度至重度活动性类风湿关节炎疗效与安全性的研究，目前包含 3 个子研究：子研究 1 评估 lutikizumab 单药治疗对比安慰剂，子研究 2 评估 ravagalimab 单药治疗对比安慰剂，子研究 3 评估 lutikizumab 与 rava
基本信息
资源简介
评估类风湿关节炎不同靶向治疗的研究
该数据集来自 clinicaltrials.gov，主题为类风湿关节炎（Rheumatoid Arthritis）的靶向治疗研究。源站描述显示，这是一项通过系列子研究评估靶向治疗对中度至重度活动性类风湿关节炎疗效与安全性的研究，目前包含 3 个子研究：子研究 1 评估 lutikizumab 单药治疗对比安慰剂，子研究 2 评估 ravagalimab 单药治疗对比安慰剂，子研究 3 评估 lutikizumab 与 ravagalimab 联合治疗对比安慰剂。约 180 名对 1 或 2 种生物制剂/靶向合成改善病情抗风湿药治疗失败的患者参与。可用于了解该领域临床试验设计、治疗分组与受试人群特征（来源 clinicaltrials。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：类风湿关节炎。类风湿关节炎（RA）是一种慢性炎症性疾病，可引起疼痛、僵硬、肿胀和关节功能丧失。本研究将通过一系列子研究评估靶向治疗用于治疗中度至重度活动性类风湿关节炎（RA）的疗效和安全性。本研究目前包含 3 个子研究，评估针对 RA 受试者的不同治疗。子研究 1 将评估 lutikizumab 单药治疗（单独给药）与安慰剂（外观与试验治疗相似但不含药物）的比较。子研究 2 将评估 ravagalimab 单药治疗与安慰剂的比较，子研究 3 将评估 lutikizumab 与 ravagalimab 联合治疗（一起给药）与安慰剂的比较。约 180 名对 1 或 2 种生物制剂/靶向合成改善病情抗风湿药治疗失败的受试者
【主题与分类】
主题标签：Rheumatoid Arthritis。本站分类：肌肉骨骼系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06972446
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/NCT06972446
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：类风湿关节炎。类风湿关节炎（RA）是一种慢性炎症性疾病，可导致疼痛、僵硬、肿胀和关节功能丧失。本研究将通过一系列子研究评估靶向治疗用于治疗中度至重度活动性类风湿关节炎（RA）的疗效和安全性。本研究目前包括3项子研究，评估针对RA受试者的不同治疗方法。子研究1将评估lutikizumab单药治疗（单独给药）与安慰剂（外观与试验治疗相似，但不含药物）的比较。子研究2将评估ravagalimab单药治疗与安慰剂的比较，子研究3将评估lutikizumab和ravagalimab联合治疗（一起给药）与安慰剂的比较。大约180名已对1或2种生物制剂/靶向合成改善病情抗风湿药（tsDMARD）治疗失败的受试者将在全球约65个研究中心入组本研究。与不参加本研究而接受标准治疗相比，参加本试验的受试者可能承受更高的治疗负担。
参与者将在研究期间定期前往医院或诊所进行随访。治疗效果将通过医学评估、血液检测、副作用监测以及填写问卷来检查。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
