烟酰胺治疗光化性角化病的比较研究

研究为随机、双盲、双模拟临床试验,纳入 74 名面部光化性角化病患者,分别接受口服烟酰胺加外用安慰剂,或外用烟酰胺加口服安慰剂,持续 6 个月

Federal University of Rio Grande do SulFederal University of Rio Grande do Sul
clinicaltrials
浏览 8
其他预测Actinic Keratoses
Comparison of Nicotinamide Treatments for Actinic Keratosis

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-07

资源简介

烟酰胺治疗光化性角化病的比较研究

该数据集来自 clinicaltrials.gov,聚焦光化性角化病(Actinic Keratoses)的烟酰胺治疗比较。研究为随机、双盲、双模拟临床试验,纳入 74 名面部光化性角化病患者,分别接受口服烟酰胺加外用安慰剂,或外用烟酰胺加口服安慰剂,持续 6 个月。主要目的是比较口服与外用烟酰胺在预防和减少面部光化性角化病数量方面的疗效;次要目的包括评估非黑色素瘤皮肤癌(NMSC)的发生情况,以及外用和口服烟酰胺的安全性与不良反应特征。数据可用于皮肤癌相关疗效与安全性分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:光化性角化病。背景:据报道,烟酰胺可有效降低光化性角化病的发生率,但迄今为止,尚无研究比较其外用和口服剂型。目的:比较口服和外用烟酰胺在预防和减少面部光化性角化病数量方面的疗效。次要目的:评估非黑色素瘤皮肤癌(NMSC)的发生情况,并评估外用和口服烟酰胺的安全性和不良反应特征。方法:在这项随机、双盲、双模拟临床试验中,74 名面部光化性角化病患者接受口服烟酰胺加外用安慰剂,或外用烟酰胺加口服安慰剂,持续 6 个月。

【主题与分类】

主题标签:Actinic Keratoses。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07049068

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07049068

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:光化性角化病。背景:据报道,烟酰胺可有效降低光化性角化病的发生率,但迄今为止,尚无研究比较其局部外用与口服制剂的效果。目的:比较口服与局部外用烟酰胺在预防和减少面部光化性角化病数量方面的疗效。次要目的:评估非黑色素瘤皮肤癌(NMSC)的发生情况,并评估局部外用与口服烟酰胺的安全性及不良反应特征。方法:在这项随机、双盲、双模拟临床试验中,74名面部患有光化性角化病的受试者接受口服烟酰胺加局部安慰剂,或局部烟酰胺加口服安慰剂,为期6个月。

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。

获取专属数据定制方案