Remternetug (LY3372993) 治疗阿尔茨海默病研究 (TRAILRUNNER-ALZ 1)
双盲治疗期初始入组 600 名参与者,接受皮下注射或静脉输注 remternetug 或安慰剂;52 周主研究期后进入最长 76 周的扩展期,先前接受 remternetug 者改用安慰剂,先前接受安慰剂者改用 remternetug

基本信息
资源简介
Remternetug (LY3372993) 治疗阿尔茨海默病研究 (TRAILRUNNER-ALZ 1)
该数据集来自 clinicaltrials.gov,收录 TRAILRUNNER-ALZ 1 研究,即 Remternetug (LY3372993) 在阿尔茨海默病参与者中的 Phase 3、随机、双盲、安慰剂对照试验,用于评估 remternetug 在早期症状性 AD 中的安全性和有效性。双盲治疗期初始入组 600 名参与者,接受皮下注射或静脉输注 remternetug 或安慰剂;52 周主研究期后进入最长 76 周的扩展期,先前接受 remternetug 者改用安慰剂,先前接受安慰剂者改用 remternetug。另入组 974 名早期阿尔茨海默病参与者进入附加安全性研究。可用于神经系统疾病与阿尔茨海默病治疗相关研究(来。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿尔茨海默病。TRAILRUNNER-ALZ 1 是一项 Phase 3、随机、双盲、安慰剂对照研究,旨在评估 remternetug 在早期症状性 AD 参与者中的安全性和有效性。最初,600 名参与者将入组双盲治疗期。双盲治疗期的参与者将通过皮下注射或静脉输注接受 remternetug 或安慰剂。在 52 周主研究期之后,参与者将继续参与最长额外 76 周的扩展期。先前接受 remternetug 的参与者将接受安慰剂,先前接受安慰剂的参与者将接受 remternetug。因此,如果参与者完成研究,所有参与者都将接受 remternetug。另将入组 974 名早期阿尔茨海默病参与者进入附加安全性研究。
【主题与分类】
主题标签:Alzheimer's Disease。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05463731
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/NCT05463731
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:阿尔茨海默病。TRAILRUNNER-ALZ 1是一项3期、随机、双盲、安慰剂对照研究,旨在评估remternetug在早期症状性AD受试者中的安全性和有效性。初始阶段,600名受试者将进入双盲治疗期。双盲治疗期的受试者将通过皮下注射或静脉输注接受remternetug或安慰剂。在为期52周的主要研究期之后,受试者将在扩展期继续参与最多额外76周。先前接受remternetug的受试者将接受安慰剂,先前接受安慰剂的受试者将接受remternetug。因此,如果受试者完成研究,所有受试者都将接受remternetug。另外974名早期阿尔茨海默病受试者将被纳入附加安全性队列。受试者将通过皮下注射或静脉输注接受开放标签的remternetug。纳入附加安全性队列的受试者不符合进入扩展期的资格。
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。



![评估[18F]-APN-1607 PET显像与尸检脑组织Tau病理在HV和MCI或AD个体中的一致性](/medical-api/medicalDataset/datasetCover/69819.jpg)
