口服Nizubaglustat(AZ-3102)治疗晚婴型与青少年型GM1/GM2神经节苷脂沉积症的安全性与疗效研究
本数据集来自 clinicaltrials.gov,收录一项关于口服 Nizubaglustat(AZ-3102)治疗晚婴型与青少年型 GM1 或 GM2 神经节苷脂沉积症的临床研究

基本信息
资源简介
口服Nizubaglustat(AZ-3102)治疗晚婴型与青少年型GM1/GM2神经节苷脂沉积症的安全性与疗效研究
本数据集来自 clinicaltrials.gov,收录一项关于口服 Nizubaglustat(AZ-3102)治疗晚婴型与青少年型 GM1 或 GM2 神经节苷脂沉积症的临床研究。研究主要目标为在 18 个月给药期内与安慰剂比较,评估药物对共济失调表现的优效性;次要目标涵盖其他共济失调与非共济失调表现、药代动力学及药效学评估。数据可用于神经系统疾病治疗研究的分类整理与疗效安全性分析参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:GM2 神经节苷脂沉积症、GM1 神经节苷脂沉积症。有关 AZA-001-301 主方案的信息,请参见 NCT #07054515。主要目标:本研究的主要目标是在晚婴型和青少年型 GM1/GM2 神经节苷脂沉积症受试者中,经过 18 个月给药,证明口服 nizubaglustat 在共济失调表现上优于安慰剂的疗效。次要目标:I. 在晚婴型和青少年型 GM1/GM2 神经节苷脂沉积症受试者中,经过 18 个月给药,比较 nizubaglustat 与安慰剂在共济失调和非共济失调表现上的额外疗效;II. 评估 nizubaglustat 在首次给药(第 1 次访视)后以及多次每日一次给药达稳态后的药代动力学(PK)特性;III. 评估 nizubaglustat 的药效学(PD)效应;IV
【主题与分类】
主题标签:Gangliosidoses, GM2、Gangliosidosis, GM1。本站分类:神经系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07082543
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/NCT07082543
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:GM2神经节苷脂沉积症、GM1神经节苷脂沉积症。有关AZA-001-301主方案的信息,请参见NCT #07054515。
主要目的
本研究的主要目的是证明,在晚婴型和青少年型GM1/GM2神经节苷脂沉积症受试者中,口服nizubaglustat给药18个月与安慰剂相比,在共济失调表现方面具有更优的疗效。
次要目的
I. 评估在晚婴型和青少年型GM1/GM2神经节苷脂沉积症受试者中,nizubaglustat给药18个月与安慰剂相比,在共济失调和非共济失调表现方面的额外疗效
II. 评估nizubaglustat在首次给药后(第1次访视)以及每日一次多次给药后达稳态时的药代动力学(PK)特性
III. 评估nizubaglustat的药效动力学(PD)效应
IV. 评估在晚婴型和青少年型GM1/GM2神经节苷脂沉积症受试者中,每日口服nizubaglustat给药18个月与安慰剂相比的安全性和耐受性
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。




