Naderin用于社会重大疾病基础治疗并发症预防研究
该数据集来自clinicaltrials.gov,收录一项在哈萨克斯坦阿拉木图KazNMU附属临床机构开展的前瞻性、对照、开放标签干预研究,评估Naderin(sodium nucleinate)作为辅助免疫调节/支持治疗用于恶性肿瘤、结核病和丙型肝炎患者,以改善基础治疗耐受性并减少并发症相关中断

基本信息
资源简介
Naderin用于社会重大疾病基础治疗并发症预防研究
该数据集来自clinicaltrials.gov,收录一项在哈萨克斯坦阿拉木图KazNMU附属临床机构开展的前瞻性、对照、开放标签干预研究,评估Naderin(sodium nucleinate)作为辅助免疫调节/支持治疗用于恶性肿瘤、结核病和丙型肝炎患者,以改善基础治疗耐受性并减少并发症相关中断。研究采用非随机对照队列比较,共纳入75名参与者。数据可用于探索支持治疗对基础治疗依从性与并发症的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:恶性肿瘤、结核病(TB)、丙型肝炎(HCV)。理由:恶性肿瘤、结核病和丙型肝炎的标准治疗可能伴随临床重要并发症(如血细胞减少、免疫抑制、感染),这些并发症可能影响治疗实施和康复。Naderin(sodium nucleinate)被评估为一种辅助免疫调节/支持治疗方法,旨在改善基础治疗的耐受性并减少并发症相关的中断。研究设计与设置:这是一项前瞻性、对照、开放标签的干预性研究,在哈萨克斯坦阿拉木图哈萨克国立医科大学(KazNMU)附属临床机构开展,由KazNMU 2013年资助项目支持。干预组与对照组的分配为非随机(对照队列比较)。研究人群与分组(概要):共75名参与者
【主题与分类】
主题标签:Malignant Neoplasms、Tuberculosis (TB)、HEPATITIS C (HCV)。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07671508
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/NCT07671508
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:恶性肿瘤、结核病(TB)、丙型肝炎(HCV)。理由:恶性肿瘤、结核病和丙型肝炎的标准治疗可能伴随具有临床重要性的并发症(如血细胞减少、免疫抑制、感染),这些并发症可能影响治疗的实施和康复。Naderin(核酸钠)作为一种辅助免疫调节/支持治疗手段进行了评估,旨在提高对基础治疗的耐受性并减少并发症相关的中断。研究设计与场所:这是一项前瞻性、对照、开放标签的干预性研究,在哈萨克斯坦阿拉木图哈萨克国立医科大学(KazNMU)附属临床中心开展,由KazNMU 2013年资助项目支持。干预组与对照组的分配为非随机化(对照队列比较)。研究人群与分组(概要):共纳入75名符合以下诊断类别之一的参与者:恶性肿瘤、结核病或丙型肝炎。参与者被分配至:* 干预组:针对基础疾病的标准治疗加Naderin(免疫校正)。
- 对照组:不接受Naderin的标准治疗。(疾病特异性入选标准及按疾病类别进行的任何分层应在“入选标准”和“研究设计/研究组”部分呈现,而非在此重复。)干预(高层次描述)干预组参与者在标准治疗基础上接受Naderin(核酸钠)作为辅助治疗。关键干预规格应记录于“研究组/干预”模块(和/或在此处记录,若其他部分未记录):给药途径、剂量、频率、相对于基础治疗的时机、疗程以及剂量调整/停药标准,需符合方案报告标准以确保可重复性1。评估与随访参与者在积极治疗/康复期间接受了基线和随访评估,包括:* 血液学监测(例如,白细胞和淋巴细胞计数;其他
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。




