评估 Vatiquinone 治疗 Friedreich 共济失调参与者疗效与安全性的研究
该数据集来自 clinicaltrials.gov,主题为 Vatiquinone 治疗 Friedreich 共济失调的疗效与安全性研究,属于神经系统疾病/共济失调分类

基本信息
资源简介
评估 Vatiquinone 治疗 Friedreich 共济失调参与者疗效与安全性的研究
该数据集来自 clinicaltrials.gov,主题为 Vatiquinone 治疗 Friedreich 共济失调的疗效与安全性研究,属于神经系统疾病/共济失调分类。源站描述显示,研究包含随机双盲安慰剂对照阶段,按基线 mFARS 评分、发病年龄和筛查年龄分层,随机分配接受 vatiquinone 或安慰剂;随后进入开放标签扩展阶段和安全随访。数据可用于了解该疾病的临床试验设计、分层因素、治疗分组与随访安排,支持神经系统疾病治疗研究相关的信息整理与分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Friedreich 共济失调。在双盲、安慰剂对照阶段,参与者将按基线 mFARS 评分(<40 对 ≥40)、发病年龄(<14 对 ≥14)和筛查时年龄(≤21 岁或 >21 岁)进行分层,并使用交互式响应技术(IRT)随机分配接受 vatiquinone 或安慰剂。在完成随机、双盲、安慰剂对照阶段(72 周)后,参与者将进入开放标签扩展阶段(24 周),在此期间他们将接受开放标签的 vatiquinone 治疗,剂量与随机阶段所接受的剂量相同(对于进入扩展阶段且最初接受安慰剂的参与者,vatiquinone 的剂量将根据年龄和体重确定),随后进行安全性随访(大约在末次给药或终止访视后 30 天[±5 天],以较晚者为准)。
【主题与分类】
主题标签:Friedreich Ataxia。本站分类:神经系统疾病/共济失调。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04577352
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/NCT04577352
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:Friedreich共济失调。在双盲、安慰剂对照阶段,参与者将根据基线mFARS评分(<40 vs ≥40)、发病年龄(<14岁 vs ≥14岁)以及筛查时年龄(≤21岁或>21岁)进行分层,并使用交互式应答技术(IRT)随机分配接受vatiquinone或安慰剂治疗。在完成随机、双盲、安慰剂对照阶段(72周)后,参与者将进入开放标签扩展阶段(24周),在此期间他们将接受开放标签的vatiquinone治疗,剂量与研究随机阶段所接受的剂量相同(对于进入扩展阶段且最初接受安慰剂的参与者,vatiquinone的剂量将根据年龄和体重确定),随后进行安全性随访(约在末次给药或终止访视后30天[±5天],以较晚者为准)。主要疗效分析将基于7至21岁参与者mFARS评分较基线的变化。
为了探究治疗的有效性和安全性,将额外随机分配约20名年龄大于21岁的参与者,使得总参与人数达到约126名。
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。




