AAV2-GDNF治疗中度帕金森病的成人研究（REGENERATE-PD）
该数据集来自 clinicaltrials.gov，收录一项针对中度帕金森病成人患者的随机、手术对照、双盲 2 期临床试验信息，研究药物为 AAV2-GDNF，给药方式为壳核递送
基本信息
资源简介
AAV2-GDNF治疗中度帕金森病的成人研究（REGENERATE-PD）
该数据集收录了一项关于中度帕金森病成人患者临床试验的信息，英文名称为“A Study of AAV2-GDNF in Adults With Moderate Parkinson's Disease (REGENERATE-PD)”。研究针对帕金森病这一神经系统疾病，旨在评估AAV2-GDNF通过壳核递送方式给药的安全性及有效性。试验设计为随机、手术对照、双盲的2期临床研究，受试对象为中度帕金森病成人患者。数据集来源于clinicaltrials.gov，主题标签为Parkinson Disease，属于神经系统疾病分类下的帕金森病相关数据。
【数据集背景】
帕金森病是一种常见的神经系统疾病，其临床研究涉及多种治疗策略的探索。该数据集所对应的临床试验聚焦于中度帕金森病成人患者群体，研究药物为AAV2-GDNF，采用壳核递送方式给药。试验采用随机、手术对照、双盲的设计，属于2期临床研究阶段，主要目的是评估该干预措施的安全性和有效性。该数据集来源于clinicaltrials.gov，归类于神经系统疾病下的帕金森病主题。
【数据内容】
该数据集收录的是一项针对中度帕金森病成人患者的临床试验信息。试验条件为帕金森病，研究药物为AAV2-GDNF，给药方式为壳核递送。试验设计特征包括随机化、手术对照和双盲设置，研究阶段为2期。数据集的主题标签为Parkinson Disease。关于试验的具体受试者数量、分组细节、剂量信息、主要终点和次要终点指标、研究时间跨度等具体数据内容，源站未提供。
【采集与来源】
该数据集来自clinicaltrials.gov。源站描述指出，这是一项随机、手术对照、双盲的2期研究，旨在评估AAV2-GDNF递送至壳核在中度帕金森病受试者中的安全性和有效性。关于数据采集的具体方法、时间范围、采集频率、数据录入流程等细节，源站未提供。
【适用场景】
该数据集适用于与帕金森病相关的临床研究信息查询、神经系统疾病治疗试验的汇总分析、以及针对AAV2-GDNF这一研究药物在壳核递送方式下的临床试验特征了解。由于涉及随机、手术对照、双盲的2期试验设计，也可用于临床试验方法学的参考。关于具体适用场景的更多说明，源站未提供。
【使用方法】
该数据集可通过clinicaltrials.gov获取。关于数据的具体使用方式、访问权限、下载格式、检索接口等技术细节，源站未提供。
【质量与限制】
该数据集的信息来源于clinicaltrials.gov，其内容基于源站描述。关于数据的完整性、准确性验证、更新频率、已知偏差或局限性等信息，源站未提供。
【引用与许可】
该数据集来源于clinicaltrials.gov。关于引用格式、许可条款、使用限制等具体信息，源站未提供。
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/NCT06285643
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：帕金森病。这项随机、手术对照、双盲的2期研究旨在评估将AAV2-GDNF递送至中度帕金森病受试者壳核的安全性和有效性。
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。
