Infigratinib治疗儿童软骨发育不全的开放标签长期扩展研究
该数据集来自clinicaltrials.gov，为一项针对软骨发育不全（Hypochondroplasia）儿童的2期、多中心、开放标签、长期扩展研究
基本信息
资源简介
Infigratinib治疗儿童软骨发育不全的开放标签长期扩展研究
该数据集英文名为 Open-Label, Long-Term, Extension Study of Infigratinib in Children With Hypochondroplasia，来源于 clinicaltrials.gov，主题标签为 Hypochondroplasia，本站归类于肌肉骨骼疾病 / 其他。其对应的是一项针对软骨发育不全（Hypochondroplasia，HCH）儿童的 2 期、多中心、开放标签、长期扩展研究，旨在评估 infigratinib 这一 FGFR（成纤维细胞生长因子受体）1-3 选择性酪氨酸激酶抑制剂在既往完成 ACCEL 2/3 研究的受试者中的长期安全性、耐受性和有效性，并可能纳入完成 ACCEL 研究的其他受试者。该数据集围绕这一临床研究形成，可用于了解该研究的基本设计与研究对象范围。
【数据集背景】
软骨发育不全（Hypochondroplasia）是一种与骨骼生长相关的疾病，本数据集所对应的研究聚焦于儿童患者群体。研究药物 infigratinib 是一种 FGFR（成纤维细胞生长因子受体）1-3 选择性酪氨酸激酶抑制剂。该研究为 2 期、多中心、开放标签、长期扩展研究，其背景在于对既往已完成 ACCEL 2/3 研究的受试者开展长期随访评估，并可能纳入完成 ACCEL 研究的其他受试者。从观察性 ACCEL 研究直接转入的受试者，须在该研究中已有至少 6 个月的生长评估期。
【数据内容】
源站描述显示，该研究关注的条件为 Hypochondroplasia，研究目的是评估 infigratinib 在软骨发育不全儿童中的长期安全性、耐受性和有效性。数据集主题标签为 Hypochondroplasia。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】
该数据集来自 clinicaltrials.gov。其对应的研究为一项 2 期、多中心、开放标签、长期扩展研究，研究对象为既往完成 ACCEL 2/3 研究的受试者，并可能纳入完成 ACCEL 研究的其他受试者；从观察性 ACCEL 研究直接转入者需具备至少 6 个月的生长评估期。关于具体的采集流程、时间安排和数据整理方式，源站未提供。
【适用场景】
基于源站描述，该数据集适用于了解针对软骨发育不全儿童的 infigratinib 长期扩展研究的基本设计信息，包括研究分期、研究类型、研究目的和受试者来源范围等。其主题标签可用于肌肉骨骼疾病相关领域的检索与归类。关于更具体的分析用途或应用场景，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT07393373
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：软骨发育不全。一项2期、多中心、开放标签扩展（OLE）研究，旨在评估infigratinib（一种FGFR1-3选择性酪氨酸激酶抑制剂）在既往完成ACCEL 2/3研究的软骨发育不全（HCH）受试者中的长期安全性、耐受性和有效性，并可能纳入既往完成ACCEL研究的其他受试者。直接从观察性ACCEL研究转入的受试者，须在该研究中至少完成6个月的生长评估。
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。
