NPB-01治疗吉兰-巴雷综合征的III期临床试验
该数据集来自clinicaltrials.gov，收录NPB-01（静脉注射免疫球蛋白）治疗吉兰-巴雷综合征的III期临床试验信息
基本信息
资源简介
NPB-01治疗吉兰-巴雷综合征的III期临床试验
该数据集来自 clinicaltrials.gov，主题为 NPB-01（静脉注射免疫球蛋白）治疗吉兰-巴雷综合征的 III 期临床试验。数据集英文名为 Phase III Clinical Trial of NPB-01 in Patients With Guillain-Barré Syndrome，本站将其归入神经系统疾病 / 吉兰-巴雷综合征分类，主题标签为 Guillain-Barré Syndrome。数据集收录了该临床试验的相关信息，涉及受试者诊断标准、纳入与排除条件、给药方案以及功能分级与安全终点等要素，可为关注吉兰-巴雷综合征治疗研究的人员提供该试验的结构化登记信息参考。
【数据集背景】
吉兰-巴雷综合征是一种神经系统疾病，本数据集对应的临床试验以确诊该病的患者为研究对象。试验采用 NPB-01 作为干预药物，NPB-01 为静脉注射免疫球蛋白。该试验处于 III 期临床阶段，其登记信息由 clinicaltrials.gov 发布，本站按神经系统疾病 / 吉兰-巴雷综合征对其进行分类整理。
【数据内容】
数据集涵盖该 III 期临床试验的多方面信息。在受试者方面，患者依据吉兰-巴雷综合征的诊断标准确诊；入组对象需满足全部纳入标准且不与排除标准冲突。在干预方面，受试者接受 NPB-01（静脉注射免疫球蛋白）400mg/kg/day，连续给药五天。在评价方面，试验对患者的功能分级（Functional Grade，FG）与肢体分级（Arm Grade，AG）等进行评估。在安全性方面，以研究治疗开始后不良事件的发生情况作为安全性终点，考察 NPB-01 的安全性。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于临床试验登记信息。源站描述给出了试验的疾病条件、受试者诊断与入组要求、给药方案、评价指标及安全性终点等内容。除上述来源信息外，源站未提供关于数据采集流程、时间范围与样本量的进一步说明。
【适用场景】
该数据集适用于了解 NPB-01 治疗吉兰-巴雷综合征的 III 期临床试验设计要素，包括受试者诊断与入组条件、静脉注射免疫球蛋白的给药方案、功能分级与肢体分级等评价指标以及安全性终点的设置。可供神经系统疾病领域的研究人员、临床工作者及关注该病治疗进展的人员作为试验登记信息的检索与参考材料。
【使用方法】
源站未提供具体的使用方法说明。使用者可依据数据集中记录的试验条件、干预方案与评价指标，结合自身研究或临床关注点进行查阅与引用。
【质量与限制】
源站未提供关于数据质量、完整性或局限性的说明。该数据集为临床试验登记信息，其内容范围以源站描述为限，未涵盖试验结果数据。
【引用与许可】
源站未提供引用方式与许可信息。
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/NCT02221271
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：吉兰-巴雷综合征。诊断为吉兰-巴雷综合征的患者根据吉兰-巴雷综合征的诊断标准进行确诊。符合所有纳入标准且不与排除标准冲突的患者将接受NPB-01（静脉注射免疫球蛋白）400mg/kg/天，连续五天。患者评估功能分级（FG）和手臂分级（AG）等。作为安全性终点，将通过研究治疗开始以来不良事件的发生情况来考察NPB-01的安全性。
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。
