LEQEMBI在台湾常规临床实践中的观察性研究

该数据集来自clinicaltrials.gov,属于神经系统疾病/阿尔茨海默病分类,主题为LEQEMBI在台湾常规临床实践中的观察性研究

Eisai Taiwan Inc.Eisai Taiwan Inc.
clinicaltrials
浏览 9
基因组预测Alzheimer's Disease
An Observational Study of LEQEMBI in Routine Clinical Practice in Taiwan

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-18

资源简介

LEQEMBI在台湾常规临床实践中的观察性研究

该数据集来自clinicaltrials.gov,属于神经系统疾病/阿尔茨海默病分类,主题为LEQEMBI在台湾常规临床实践中的观察性研究。研究主要描述接受LEQEMBI治疗的参与者中已知不良事件的发生率和严重程度,包括淀粉样蛋白相关影像学异常(ARIA-E、ARIA-H)、大于1厘米的脑出血和过敏反应,并按APOE4基因型、合并抗血栓治疗及合并脑淀粉样血管病分层;同时描述临床开发中未识别的长期安全性相关未知不良事件,以及阿尔茨海默病向下一阶段的进展。可用于药物安全性监测与真实世界证据研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:阿尔茨海默病。本研究的主要目的是描述在台湾常规临床实践中接受LEQEMBI治疗的参与者中已知不良事件的发生率和严重程度,包括淀粉样蛋白相关影像学异常(ARIA)-水肿/渗出(ARIA-E)、ARIA-微出血和含铁血黄素沉积(ARIA-H)、大于1厘米的脑出血和过敏反应(按载脂蛋白E4变异[APOE4]基因型、合并抗血栓治疗和合并脑淀粉样血管病[CAA]分层)。描述在常规临床实践中与LEQEMBI长期安全性相关的、临床开发中未识别的既往未知不良事件,通过严重疑似不良反应和导致LEQEMBI治疗中断的不良反应进行评估。描述向阿尔茨海默病下一阶段的进展

【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/NCT07869264

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/NCT07869264

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

疾病:阿尔茨海默病。本研究的主要目的是描述在台湾常规临床实践中接受LEQEMBI治疗的受试者中已知不良事件的发生率和严重程度,包括淀粉样蛋白相关影像学异常(ARIA)-水肿/积液(ARIA-E)、ARIA-微出血和含铁血黄素沉积(ARIA-H)、大于1 cm的脑内出血以及过敏性休克(按载脂蛋白E4变异型[APOE4]基因型、合并抗血栓治疗及合并脑淀粉样血管病[CAA]进行分层)。描述在常规临床实践中与LEQEMBI长期安全性相关的既往未知不良事件,这些事件在临床开发中未被发现,通过严重可疑不良反应和导致LEQEMBI治疗中止的不良反应进行评估。描述在常规临床实践中阿尔茨海默病(AD)向下一阶段的进展。描述LEQEMBI在常规临床实践中的药物利用情况及风险最小化措施的有效性。

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