Nilotinib对轻中度阿尔茨海默病安全性、生物标志物及临床结局的影响
该数据集来自 clinicaltrials.gov,聚焦 Nilotinib 对轻中度阿尔茨海默病的安全性、生物标志物与临床结局影响

基本信息
资源简介
Nilotinib对轻中度阿尔茨海默病安全性、生物标志物及临床结局的影响
该数据集来自 clinicaltrials.gov,聚焦 Nilotinib 对轻中度阿尔茨海默病的安全性、生物标志物与临床结局影响。研究拟通过 Abl 抑制改变受试者 Abeta40/42、总 Tau 及 p-Tau231/181,评估低剂量 Nilotinib 的作用。计划招募 42 名轻中度 AD 患者及其研究伙伴,按 1:1 随机分为安慰剂组一年,或 Nilotinib 150mg 治疗 6 个月后剂量递增至 300mg 一次共 12 个月。主要结局包括安全性与耐受性,通过不良事件和严重不良事件评估。可用于 AD 治疗与生物标志物研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:阿尔茨海默病。研究者提出一种新的治疗策略,涉及抑制 Abl 以改变轻中度 AD 所致痴呆受试者的 Abeta40/42、总 Tau 和 p-Tau231/181。本研究的目标是评估低剂量 Nilotinib 对轻中度 AD 患者的安全性、生物标志物和临床症状的影响。将招募四十二(42)名轻中度患者及其研究伙伴,并按 1:1 随机分配到第 1 组(安慰剂)一年,或第 2 组接受 150mg Nilotinib 治疗 6 个月,随后剂量递增至 300mg 一次,共 12 个月。主要结局,我们将评估 Nilotinib 对以下方面的影响:安全性和耐受性:安全性将使用被认为可能、很可能或肯定与研究药物相关的不良事件(AEs)和严重不良事件(SAEs)的发生情况来衡量。T
【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/NCT02947893
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/NCT02947893
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。研究者提出了一种新的治疗策略,涉及抑制Abl,以改变因AD所致轻至中度痴呆受试者中的Abeta40/42、总Tau和p-Tau231/181。本研究的目标是评估低剂量尼洛替尼对轻至中度AD患者的安全性、生物标志物和临床症状的影响。将招募四十二(42)名轻至中度参与者及其研究伙伴,并以1:1随机分配至第1组(安慰剂)治疗一年,或第2组接受150mg尼洛替尼治疗6个月,随后剂量递增至300mg一次,持续12个月。主要结局方面,我们将评估尼洛替尼对以下方面的影响:安全性和耐受性:安全性将通过被认为可能、很可能或肯定与研究药物相关的不良事件(AEs)和严重不良事件(SAEs)的发生情况来衡量。给定参与者的耐受性将定义为参与者能够继续接受治疗的能力。药物的总体耐受性将定义为因药物相关AEs和SAEs导致的停药率低于25%。
次要结局指标,我们将确定尼洛替尼治疗对脑脊液中尼洛替尼浓度测定及Abl抑制的影响,以证明中枢神经系统靶点结合情况,以及阿尔茨海默病相关的脑脊液和血浆中Abeta42/40、总Tau蛋白和p-Tau231/181水平的变化。探索性结局指标将包括以下评估:通过MMSE、阿尔茨海默病评估量表-认知子量表(ADAS-cog)、阿尔茨海默病合作研究-日常生活活动能力量表(ADCS-ADL)、临床痴呆评定量表-盒子总和(CDR-SOB)以及神经精神科问卷(NPI)评估认知功能。
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)


