重组人生长激素Saizen治疗软骨发育不全儿童的疗效与安全性评估：至少3年或至接近最终身高，并与未治疗历史队列比较
该数据集来自clinicaltrials.gov，聚焦软骨发育不全（Hypochondroplasia）儿童，评估重组人生长激素（r-hGH）Saizen®治疗至少3年或直至接近最终身高（如适用）的疗效与安全性，并与未治疗的历史队列儿童进行比较
基本信息
资源简介
重组人生长激素Saizen治疗软骨发育不全儿童的疗效与安全性评估：至少3年或至接近最终身高，并与未治疗历史队列比较
该数据集来自 clinicaltrials.gov，聚焦软骨发育不全（Hypochondroplasia）儿童群体，围绕重组人生长激素（r-hGH）Saizen® 的疗效与安全性评价展开。研究对接受 Saizen® 治疗的患儿进行观察，治疗持续时间至少 3 年，或在适用情况下持续至接近最终身高，并与一组未接受治疗的历史队列儿童进行比较。数据集整体属于肌肉骨骼疾病 / 其他分类，主题标签为 Hypochondroplasia，可用于了解该疾病领域生长激素干预研究的注册信息与研究方向。
【数据集背景】
软骨发育不全是一种影响骨骼生长的疾病，患儿的身高发育常受到关注。该数据集所对应的研究旨在描述重组人生长激素（r-hGH）Saizen® 在软骨发育不全儿童中的疗效与安全性。研究设计包含与未治疗历史队列的对照比较，治疗观察期至少 3 年，或在适用情况下延续至接近最终身高。这一背景信息来自源站对研究条件的说明。
【数据内容】
源站描述表明，该研究关注的条件为 Hypochondroplasia，研究目的是描述 Saizen® 治疗在软骨发育不全儿童中的疗效与安全性。数据集主题标签为 Hypochondroplasia，本站分类归入肌肉骨骼疾病 / 其他。关于数据集内具体包含哪些字段、变量、记录数量或统计指标，源站未提供。
【采集与来源】
该数据集来源站为 clinicaltrials.gov，属于临床试验注册信息相关数据。其英文名称完整表述了研究主题，即重组人生长激素（r-hGH）Saizen® 在软骨发育不全儿童中的疗效与安全性评价，治疗至少 3 年或直至接近最终身高（如适用），并与未治疗的历史队列儿童进行比较。关于具体的采集方法、时间范围、样本量或采集机构，源站未提供。
【适用场景】
该数据集可用于了解软骨发育不全儿童中重组人生长激素治疗研究的注册信息，适合关注肌肉骨骼疾病、儿童生长干预及生长激素安全性评价的研究者参考。由于研究包含与未治疗历史队列的比较设计，也可为相关领域的研究设计提供背景线索。关于更具体的适用场景或分析用途，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或操作说明。
【质量与限制】
源站未提供关于数据质量、完整性、准确性或使用限制的说明。该数据集为临床试验注册信息，其内容范围以源站描述为限。
【引用与许可】
源站未提供引用格式或许可信息。
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/NCT01111019
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：软骨发育不全。本研究旨在描述重组人生长激素（r-hGH）制剂Saizen®治疗软骨发育不全儿童的疗效和安全性。
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。
