基本信息

模态

蛋白质

创建/更新时间

2026-10-19

资源简介

Lecanemab治疗早期阿尔茨海默病上市后研究

该数据集英文名为“A Post Marketing Study in Participants With Early Alzheimer's Disease Treated With Lecanemab”，来源于clinicaltrials.gov，在分类体系中归属神经系统疾病／阿尔茨海默病，主题标签为Alzheimer's Disease。从源站描述看，这是一项上市后研究，主要目的是在接受lecanemab治疗的受试者中，考察常规临床实践背景下淀粉样蛋白相关影像学异常（ARIA）的特征，并调查ARIA发生后治疗继续状态（如继续、中断等）。数据集围绕早期阿尔茨海默病患者的真实世界用药安全与治疗管理信息展开，适合关注阿尔茨海默病治疗安全性、ARIA监测及上市后研究设计的人员参考使用。

【数据集背景】

该数据集对应的研究是一项上市后研究，研究对象为接受lecanemab治疗的早期阿尔茨海默病受试者。源站描述明确指出，研究的主要目的是考察淀粉样蛋白相关影像学异常（ARIA）的特征，并调查ARIA发生后在常规临床实践中的治疗继续状态，例如继续治疗或中断治疗。主题标签为Alzheimer's Disease，数据集在分类上归入神经系统疾病／阿尔茨海默病。上述信息表明，该数据集所承载的研究关注的是药物上市后在实际诊疗环境中的安全性表现与治疗决策情况，而非早期研发阶段的疗效验证。

【数据内容】

依据源站描述，该数据集涉及的核心内容围绕两方面展开：一是淀粉样蛋白相关影像学异常（ARIA）的特征；二是ARIA发生后治疗继续状态的调查，包括继续、中断等情形。研究对象为接受lecanemab治疗的早期阿尔茨海默病受试者。除上述内容外，源站未提供关于具体变量、字段结构、样本量、随访时长或统计指标的进一步说明。

【采集与来源】

该数据集来源于clinicaltrials.gov。源站描述说明，该研究是在常规临床实践中对接受lecanemab治疗的受试者开展的研究，属于上市后研究性质。关于具体的采集机构、采集地点、采集时间窗口以及数据录入方式，源站未提供。

【适用场景】

基于现有信息，该数据集可用于了解早期阿尔茨海默病患者接受lecanemab治疗后ARIA特征的研究设计，以及ARIA发生后治疗继续状态的调查框架。其上市后研究定位使其适用于关注常规临床实践中用药安全性监测与治疗管理问题的场景。关于更具体的适用分析类型或应用方向，源站未提供。

【使用方法】

源站未提供该数据集的具体使用方法、访问方式或数据结构说明。

【质量与限制】

该数据集为上市后研究性质，关注常规临床实践中的ARIA特征与治疗继续状态。关于数据质量指标、完整性、偏倚控制措施及已知局限，源站未提供。

【引用与许可】

源站未提供该数据集的引用格式与许可条款信息。

原始链接

https://clinicaltrials.gov/study/NCT06322667

访问原始数据

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/NCT06322667

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。

数据说明

条件：阿尔茨海默病。本研究的主要目的是在接受仑卡奈单抗治疗的参与者中，探究淀粉样蛋白相关影像学异常（ARIA）的特征，并调查在常规临床实践中ARIA发生后治疗继续状态（如继续、中断）。

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