评价皮下注射Nomlabofusp治疗Friedreich共济失调受试者疗效与安全性的研究
本数据集来自clinicaltrials.gov,收录一项关于皮下注射nomlabofusp治疗Friedreich共济失调的全球、随机、多中心、安慰剂对照研究

基本信息
资源简介
评价皮下注射Nomlabofusp治疗Friedreich共济失调受试者疗效与安全性的研究
本数据集来自clinicaltrials.gov,收录一项关于皮下注射nomlabofusp治疗Friedreich共济失调的全球、随机、多中心、安慰剂对照研究。数据覆盖受试者的疗效与安全性评估,主要终点包括第72周mFARS的Upright Stability Score(USS)E子量表或mFARS总分、临床总体印象严重程度(CGI-S)评分,以及安全性和耐受性。可用于分析该药物对Friedreich共济失调患者的疗效与安全性,支持神经系统疾病治疗研究(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,Friedreich's Ataxia。这是一项全球、随机、多中心、安慰剂对照研究,旨在调查nomlabofusp在Friedreich共济失调受试者中的疗效和安全性。研究的主要目标是评估: 第72周时,与安慰剂相比,皮下(SC)给予nomlabofusp的疗效;1)对改良Friedreich共济失调评定量表(mFARS)的直立稳定性评分(USS)E子量表的影响,或2)mFARS总分(区域特定目标) 第72周时,与安慰剂相比,皮下给予nomlabofusp对临床总体印象严重程度(CGI-S)评分的疗效* 皮下给予nomlabofusp的安全性和耐受性
【主题与分类】
主题标签:Friedreich Ataxia、Friedreich's 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/NCT07778836
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/NCT07778836
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:弗里德赖希共济失调(Friedreich Ataxia)、弗里德赖希共济失调(Friedreich’s Ataxia)。这是一项全球性、随机、多中心、安慰剂对照研究,旨在探讨nomlabofusp在弗里德赖希共济失调受试者中的疗效和安全性。本研究的主要目标为评估:* 第72周时,与安慰剂相比,皮下注射nomlabofusp的疗效;1)在改良弗里德赖希共济失调评定量表(mFARS)的直立稳定性评分(USS)E子量表上,或2)mFARS总分(区域特定目标)* 第72周时,与安慰剂相比,皮下注射nomlabofusp在临床总体印象严重程度(CGI-S)评分上的疗效* 皮下注射nomlabofusp的安全性和耐受性
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。




