西酞普兰作为帕金森病后皮质保护性治疗的研究

该数据集来自 clinicaltrials.gov,聚焦帕金森病,研究西酞普兰作为后皮质保护性治疗以延缓视空间认知衰退。源站描述显示,这是一项概念验证性随机安慰剂对照试验,计划对年龄≥65岁、无(描述截断)的帕金森病患者给予西酞普兰20mg每日、持续26个月,检验其减少视空间皮质Abeta斑块累积并

University of MichiganUniversity of Michigan
clinicaltrials
浏览 8
其他预测Parkinson Disease
Citalopram as a Posterior Cortical Protective Therapy in Parkinson Disease

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-18

资源简介

西酞普兰作为帕金森病后皮质保护性治疗的研究

该数据集来自 clinicaltrials.gov,聚焦帕金森病,研究西酞普兰作为后皮质保护性治疗以延缓视空间认知衰退。源站描述显示,这是一项概念验证性随机安慰剂对照试验,计划对年龄≥65岁、无(描述截断)的帕金森病患者给予西酞普兰20mg每日、持续26个月,检验其减少视空间皮质Abeta斑块累积并改善纵向视空间认知衰退的假设。数据可用于帕金森病痴呆风险与药物干预效果的相关预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:帕金森病。本研究是一项概念验证性帕金森病试验,旨在延缓视空间认知衰退,这是帕金森病痴呆的重要组成部分。在帕金森病中,低范围皮质Abeta斑块水平与5-羟色胺神经末梢丢失相关。多中心帕金森病观察性研究显示,选择性5-羟色胺再摄取抑制剂(SSRIs)与较低的痴呆转化风险和不同的脑脊液Abeta-42水平相关。本研究旨在检验以下假设:在帕金森病中使用西酞普兰将减少视空间皮质Abeta斑块累积,从而改善与帕金森病痴呆相关的纵向视空间认知衰退。该研究将在一项随机安慰剂对照试验中检验这一假设,对年龄≥65岁、无(源站描述在此处截断)的帕金森病受试者给予西酞普兰20mg每日、持续26个月。

【主题与分类】

主题标签:Parkinson Disease。本站分类:神经系统疾病/帕金森病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04497168

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT04497168

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:帕金森病。本研究是一项帕金森病概念验证试验,旨在延缓视空间认知功能下降,这是帕金森痴呆的重要组成部分。在帕金森病中,低范围的皮质Abeta斑块水平与5-羟色胺神经末梢丢失相关。多中心帕金森病观察性研究结果表明,选择性5-羟色胺再摄取抑制剂(SSRIs)与较低的痴呆转化风险和不同的脑脊液Abeta-42水平相关。本研究旨在检验以下假说:在帕金森病中使用西酞普兰将减少视空间皮质Abeta斑块的积聚,从而改善与帕金森痴呆相关的纵向视空间认知功能下降。该研究将在一项随机安慰剂对照试验中检验这一假说,受试者为无抑郁的帕金森病受试者(年龄≥65岁,n=58),每日服用西酞普兰20mg,持续26个月。

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。

获取专属数据定制方案