Engensis 治疗痛性糖尿病周围神经病变安全性与有效性研究
该数据集来源于 clinicaltrials.gov,记录了一项评估 Engensis(活性成分 VM202)治疗痛性糖尿病周围神经病变的安全性与有效性的研究

基本信息
资源简介
Engensis 治疗痛性糖尿病周围神经病变安全性与有效性研究
该数据集来源于 clinicaltrials.gov,记录了一项评估 Engensis(活性成分 VM202)治疗痛性糖尿病周围神经病变的安全性与有效性的研究。研究设计为适应性 III 期、双盲、随机、安慰剂对照、多中心试验。受试者在签署知情同意后接受为期 45 天(第 -52 天至第 -7 天)的筛选,通过裁定程序确定资格,并在第 0 天前完成 7 天电子日记。合格受试者按 1:1 比例随机分配至 Engensis 组或安慰剂组。筛选期间收集病史、家族癌症史、人口学、生命体征、身高和体重指数等信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:痛性糖尿病神经病变。总体设计 VMDN-003-2 是一项适应性 III 期、双盲、随机、安慰剂对照、多中心研究,旨在评估 Engensis(含有活性药物成分 VM202)在痛性糖尿病周围神经病变受试者中的有效性和安全性。在完成知情同意流程后,筛选活动(在第 0 天前 45 天[从第 -52 天至第 -7 天]期间)将确定哪些受试者符合除一项以外的所有资格标准,这些标准通过裁定程序进行评估,随后在第 0 天前完成 7 天的电子日记。合格受试者将在第 0 天入组,并以双盲方式按 1:1 比例随机分配至 Engensis 组或安慰剂组。在筛选期间,病史和家族癌症史、人口学、生命体征、身高、体重指数,
【主题与分类】
主题标签:Diabetic Neuropathy, Painful。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04469270
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/NCT04469270
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:痛性糖尿病神经病变。总体设计:VMDN-003-2是一项适应性、3期、双盲、随机、安慰剂对照、多中心研究,旨在评估Engensis(含有活性药物成分VM202)在痛性糖尿病周围神经病变受试者中的疗效和安全性。在完成知情同意流程后,筛选期活动(第0天前45天内[第-52天至第-7天])将确定哪些受试者符合除一项外的所有入选标准,该标准通过裁定程序进行评估,随后在第0天前完成7天的电子日记。符合条件的受试者将被纳入,并在第0天以双盲方式按1:1比例随机分配至Engensis组或安慰剂组。
在筛选期间,将进行病史和家族癌症史、人口统计学信息、生命体征、身高、体重指数、腰围、体格检查、视网膜眼底镜检查(由眼科医生执行)、12导联心电图、左右腓肠肌超声(以指导研究注射)、实验室评估、估算肾小球滤过率、血红蛋白A1c水平、病毒筛查、所有合并用药和操作的记录、尿液药物分析,以及对于有生育能力的女性的尿妊娠试验。此外,在筛选期间还将进行以下程序:医院焦虑和抑郁量表、准确疼痛报告和安慰剂反应减少、密歇根神经病变筛查工具,以及癌症筛查测试。在第0天和随机化前的7天内,参与者必须在电子日记上完成完整的糖尿病周围神经病变简明疼痛量表,以确定至少7天中5天的平均每日疼痛评分。不良事件评估将在筛选开始时完成知情同意过程后开始。
在第0天给药前的任何时间,应进行床旁感觉测试。随机分组后,且在
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。




