BHV-7000 在遗传性红斑性肢痛症受试者中的 1b 期研究
该数据集来自 clinicaltrials.gov，对应一项 BHV-7000 在遗传性红斑性肢痛症（IEM）受试者中开展的 1b 期研究，受试者需既往证实携带 SCN9A 基因功能获得性突变
基本信息
资源简介
BHV-7000 在遗传性红斑性肢痛症受试者中的 1b 期研究
该数据集对应一项在遗传性红斑性肢痛症（IEM）受试者中开展的 BHV-7000 1b 期研究，来源为 clinicaltrials.gov，主题聚焦于家族性红斑性肢痛症，在分类上归属于神经系统疾病中的小纤维神经病范畴。研究的目的在于检验 BHV-7000 在减轻 IEM 受试者慢性疼痛方面的潜在获益，入组受试者需既往已证实携带 SCN9A 基因的功能获得性突变。数据集围绕这一临床研究形成，可为关注遗传性红斑性肢痛症、SCN9A 基因相关疼痛机制以及相关在研干预手段的研究者提供研究层面的信息入口。
【数据集背景】
遗传性红斑性肢痛症是一种与 SCN9A 基因功能获得性突变相关的疾病，患者常表现为慢性疼痛。该数据集所对应的研究即为针对这一患者群体开展的 1b 期研究，旨在测试 BHV-7000 在减轻此类受试者慢性疼痛方面的潜在获益。研究明确要求受试者既往已证实携带 SCN9A 基因的功能获得性突变，这体现了研究对目标人群基因背景的界定。在分类体系上，该数据集被归入神经系统疾病下的小纤维神经病方向，主题标签为家族性红斑性肢痛症。
【数据内容】
该数据集来自 clinicaltrials.gov，对应一项 BHV-7000 在遗传性红斑性肢痛症受试者中开展的 1b 期研究。就具体数据字段、变量构成、记录数量与文件格式而言，源站未提供。可确认的内容围绕研究的基本定位展开：研究对象为家族性红斑性肢痛症，研究干预为 BHV-7000，研究阶段为 1b 期，入组条件涉及 SCN9A 基因功能获得性突变。
【采集与来源】
数据来源为 clinicaltrials.gov。该来源属于临床研究注册与信息平台，本数据集即对应其中一项关于 BHV-7000 治疗遗传性红斑性肢痛症的 1b 期研究记录。关于采集时间、更新频率、采集方法等细节，源站未提供。
【适用场景】
该数据集适用于关注遗传性红斑性肢痛症及相关慢性疼痛的研究场景，也可用于了解以 SCN9A 基因功能获得性突变为入组依据的临床研究设计。对于希望检索 BHV-7000 在 1b 期研究背景下用于 IEM 受试者的相关信息的使用者，该数据集可作为研究层面的参考入口。关于更具体的分析用途与适用边界，源站未提供。
【使用方法】
源站未提供具体的使用方法说明。使用者可依据其来源平台的一般检索方式定位该研究记录，但数据集的访问方式、调用接口与操作步骤等，源站未提供。
【质量与限制】
该数据集为临床研究注册信息层面的数据，其内容范围受来源记录所限。关于数据完整性、准确性校验、偏倚控制与样本规模等质量指标，源站未提供。使用者应注意，该数据集对应的是研究记录而非研究结果数据，具体结论性信息源站未提供。
【引用与许可】
源站未提供引用格式与许可条款信息。使用时应遵循来源平台 clinicaltrials.gov 的相关规定，具体引用与许可要求以源站为准。
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/NCT07262268
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：家族性红斑肢痛症。本研究的目的是测试BHV-7000在减轻IEM参与者慢性疼痛方面的潜在益处，这些参与者先前已证实存在SCN9A基因的功能获得性突变。
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。
