评估PTC518治疗亨廷顿病安全性与疗效的研究
该数据集来自clinicaltrials.gov,为一项评估PTC518在亨廷顿病参与者中安全性与疗效的临床试验记录。研究按HD-ISS分期标准将参与者随机分配至Part A、B、D或E,并在各Part内以2:1比例随机接受PTC518(Part A和D为5 mg,Part B和E为10 mg)或匹

基本信息
资源简介
评估PTC518治疗亨廷顿病安全性与疗效的研究
该数据集来自clinicaltrials.gov,为一项评估PTC518在亨廷顿病参与者中安全性与疗效的临床试验记录。研究按HD-ISS分期标准将参与者随机分配至Part A、B、D或E,并在各Part内以2:1比例随机接受PTC518(Part A和D为5 mg,Part B和E为10 mg)或匹配安慰剂。数据安全监测委员会(DSMB)将揭盲审查5 mg和10 mg剂量组的安全性数据,并建议Part C和F(含20 mg活性治疗臂)的启动时机。该数据可用于了解亨廷顿病临床试验设计、剂量分组与安全性监测流程(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:亨廷顿病。参与者将首先根据其亨廷顿病整合分期系统(HD-ISS)分期标准,以1:1的随机化比例被随机分配至Part A或Part B或Part D或Part E,然后在每个Part内以2:1的活性治疗与安慰剂比例随机分配至活性治疗(Part A和D中为PTC518 5 mg,Part B和E中为10 mg)或匹配安慰剂。药物安全监测委员会(DSMB)章程将对5 mg和10 mg剂量组的安全性数据进行揭盲审查,并就Part C和F(含20 mg活性治疗臂)何时可以启动提供建议。届时,参与者将被随机分配至当前开放入组的任何研究Part,然后在该Part内以2:1的比例随机分配至活性治疗或安慰剂。完成本研究并同意参与长期扩展研究的参与者
【主题与分类】
主题标签:Huntington Disease。本站分类:神经系统疾病/亨廷顿病/舞蹈症。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05358717
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/NCT05358717
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
条件:亨廷顿病。受试者将首先根据其亨廷顿病整合分期系统(HD-ISS)分期标准,按1:1的比例随机分配至A部分、B部分、D部分或E部分,然后在各部分内按活性治疗与安慰剂2:1的比例随机分配至活性治疗(A部分和D部分为PTC518 5 mg,B部分和E部分为10 mg)或匹配安慰剂。药物安全监测委员会(DSMB)章程将对5 mg和10 mg剂量组的安全性数据进行非盲审查,并就C部分和F部分(含20 mg活性治疗组)何时可以启动提供建议。届时,受试者将被随机分配至当前开放入组的任何研究部分,然后在该部分内按2:1的比例随机分配至活性治疗或安慰剂。完成本研究并同意参加长期扩展(LTE)研究的受试者,将被纳入一项单独的LTE研究PTC518-CNS-004-HD(NCT06254482)。
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。




