Guselkumab治疗对一种既往抗TNFα药物应答不足/不耐受的活动性银屑病关节炎参与者
该数据集来自 clinicaltrials.gov,聚焦活动性银屑病关节炎(PsA)参与者,这些参与者对一种既往抗肿瘤坏死因子(anti-TNF)药物应答不足和/或不耐受

基本信息
资源简介
Guselkumab治疗对一种既往抗TNFα药物应答不足/不耐受的活动性银屑病关节炎参与者
该数据集来自 clinicaltrials.gov,聚焦活动性银屑病关节炎(PsA)参与者,这些参与者对一种既往抗肿瘤坏死因子(anti-TNF)药物应答不足和/或不耐受。研究药物 Guselkumab 是一种全人源单克隆抗体,可结合 IL-23 的 p19 蛋白亚基并阻断其与细胞表面 IL-23 受体的结合。主要假设是 Guselkumab 在第 24 周达到 ACR 20 应答的参与者比例上优于安慰剂。数据可用于评估该人群中的疗效预测与治疗应答分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Arthritis, Psoriatic。PsA 是一种慢性、免疫介导的炎症性疾病,特征为外周关节炎症、附着点炎、指趾炎、中轴疾病以及与银屑病相关的皮肤病变。Guselkumab 是一种全人源单克隆抗体(mAb),可结合白细胞介素(IL)-23 的 p19 蛋白亚基,并阻断细胞外 IL-23 与细胞表面 IL-23 受体的结合,抑制 IL-23 特异性细胞内信号传导、后续激活及细胞因子产生。本研究的主要假设是,通过对一种既往抗肿瘤坏死因子(anti-TNF)药物应答不足(IR)和/或不耐受的参与者中第 24 周达到美国风湿病学会 20(ACR 20)应答的比例进行评估,Guselkumab 优于安慰剂。本研究将包括筛选期(最多 6 周)、盲法治疗
【主题与分类】
主题标签:Arthritis, Psoriatic。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04936308
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/NCT04936308
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:银屑病关节炎。PsA是一种慢性、免疫介导的炎性疾病,特征为外周关节炎症、附着点炎、指趾炎、中轴疾病以及与银屑病相关的皮肤病变。Guselkumab是一种全人源单克隆抗体(mAb),可与白细胞介素(IL)-23的p19蛋白亚基结合,阻断细胞外IL-23与细胞表面IL-23受体的结合,抑制IL-23特异性细胞内信号传导、后续激活及细胞因子产生。本研究的主要假设是,根据既往对一种抗肿瘤坏死因子(抗TNF)药物应答不足(IR)和/或不耐受的受试者在第24周达到美国风湿病学会20(ACR 20)应答的比例评估,guselkumab优于安慰剂。本研究将包括筛选期(最长6周)、盲法治疗期(约最长2年),其中包括从第0周至第24周的安慰剂对照期,以及从第24周至第100周的活性对照治疗期,以及安全性随访期(第112周)。
安全性评估将包括体格检查、生命体征、身高、体重、心电图和临床安全性实验室评估。研究总持续时间将长达118周。
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。




