CIDP和MMN中的免疫球蛋白剂量与给药形式
该数据集来自clinicaltrials.gov,涉及慢性炎性脱髓鞘性多发性神经病、多灶性运动神经病和溶血性贫血患者。研究计划将神经内科接受IVIG治疗的患者转为SCIG治疗,剂量不变,每周在家给药两到三次,而IVIG通常每3至6周给药一次

基本信息
资源简介
CIDP和MMN中的免疫球蛋白剂量与给药形式
该数据集来自clinicaltrials.gov,涉及慢性炎性脱髓鞘性多发性神经病、多灶性运动神经病和溶血性贫血患者。研究计划将神经内科接受IVIG治疗的患者转为SCIG治疗,剂量不变,每周在家给药两到三次,而IVIG通常每3至6周给药一次。所有患者将由神经内科护士培训管理SCIG治疗,研究期间评估八次,转换前后各四次。参与前给药间隔标准化为3或6周。数据可用于分析免疫球蛋白给药方式转换的可行性与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:慢性炎性脱髓鞘性多发性神经病、多灶性运动神经病、溶血性贫血。由于神经内科(Rigshospitalet)计划转换免疫球蛋白治疗,接受IVIG治疗的患者将转为接受SCIG治疗,剂量不变。药物每周在家给药两到三次。IVIG通常每3至6周给药一次。所有患者都将由神经内科的护士培训管理SCIG治疗。当患者能够管理治疗方案时,可以在家中进行。所有患者将在研究期间接受八次评估。转换治疗前四次,转换治疗后四次。参与前,间隔将标准化为3或6周,为间隔3周的患者提供额外输注,即间隔4周的患者
【主题与分类】
主题标签:Multifocal Motor Neuropathy、Hemolytic Anemia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02111590
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/NCT02111590
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:慢性炎性脱髓鞘性多发性神经病、多灶性运动神经病、溶血性贫血。由于神经科(Rigshospitalet)计划将免疫球蛋白治疗转换,接受IVIG治疗的患者将转为接受SCIG治疗,剂量不变。该药物每周在家给药两到三次。IVIG通常每3至6周给药一次。所有患者都将由神经科护士培训,以掌握SCIG治疗的管理方法。当患者能够自行管理治疗方案时,即可在家进行。所有患者将在研究期间接受八次评估。治疗转换前四次,转换后四次。参与之前,给药间隔将标准化为3周或6周,对于间隔为3周的患者将额外给予一次输注,即间隔为4周的患者将转换为3周间隔,而间隔为5周的患者将转换为6周间隔。剂量将进行调整,以使每周IVIG剂量保持不变。所有患者将结合两次IVIG输注接受评估。
对于接受3次输注的患者,将在首次和末次输注前及之后2周进行检查。SCIG在最后一次IVIG输注后2周开始。正在接受Subcuvia®或Hizentra®维持治疗的患者,将根据丹麦医疗保健协会的指南转为使用Gammanorm®治疗,免疫球蛋白的每周剂量保持不变。他们将被评估3次(一次在转换SCIG之前,一次在转换SCIG时,一次在转换之后)。两组中每个时间点的所有评估均包括测量四个受累肌群的等速肌力,以及检测血液血红蛋白和溶血参数的血液采样。
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。




