Benralizumab治疗嗜酸性慢性鼻窦炎伴鼻息肉疗效与安全性研究(ORCHID)
该数据集来自clinicaltrials.gov,收录ORCHID研究信息,针对嗜酸性慢性鼻窦炎伴鼻息肉患者。约250名患者随机接受benralizumab 30 mg皮下注射或匹配安慰剂,经6周筛选/导入期后按1:1随机分组,前3次每4周给药,之后每8周给药,双盲治疗56周,完成者可进入约一年开放

基本信息
资源简介
Benralizumab治疗嗜酸性慢性鼻窦炎伴鼻息肉疗效与安全性研究(ORCHID)
该数据集来自clinicaltrials.gov,收录ORCHID研究信息,针对嗜酸性慢性鼻窦炎伴鼻息肉患者。约250名患者随机接受benralizumab 30 mg皮下注射或匹配安慰剂,经6周筛选/导入期后按1:1随机分组,前3次每4周给药,之后每8周给药,双盲治疗56周,完成者可进入约一年开放标签扩展期接受8剂benralizumab。数据可用于了解该疾病的临床试验设计与治疗评估(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:鼻息肉病、嗜酸性慢性鼻窦炎。约250名患者将被随机分配接受benralizumab 30 mg皮下注射或匹配安慰剂。入组后,符合条件的患者将进入为期6周的筛选/导入期。符合入选标准的患者将在第0周(第0天)按1:1随机分配,接受安慰剂或benralizumab 30 mg皮下注射,前3次给药每4周一次(第0、4和8周),此后每8周一次(第16、24、32、40和48周)。将在第56周进行治疗结束访视。所有完成56周双盲治疗期并接受研究产品(IP)的患者可能有资格继续进入约一年的开放标签扩展(OLE),在此期间所有患者将接受8剂benralizumab 30 mg。双盲期间接受Benra组治疗的患者在OLE期间第二次给药时将接受一剂模拟剂。
【主题与分类】
主题标签:Nasal Polyposis、Eosinophilic Chronic Rhinosinusitis。本站分类:耳鼻咽喉疾病/嗜酸性慢性鼻窦炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04157335
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/NCT04157335
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
疾病条件:鼻息肉病、嗜酸性慢性鼻窦炎。约250名患者将随机接受benralizumab 30 mg皮下注射或匹配安慰剂。入组后,符合条件的患者将进入为期6周的筛选/导入期。符合入选标准的患者将在第0周(第0天)按1:1随机分配,接受安慰剂或benralizumab 30 mg皮下注射,前3次给药每4周一次(第0、4和8周),此后每8周一次(第16、24、32、40和48周)。将在第56周进行治疗结束访视。所有完成56周双盲治疗期且使用研究产品(IP)的患者可能有资格继续进入约一年的开放标签扩展(OLE)期,在此期间所有患者将接受8剂benralizumab 30 mg。双盲期接受benralizumab治疗的患者在OLE期第二次给药时将接受一剂模拟剂。末次研究访视将在末次IP给药后8周进行(第112周/随访)。未进入OLE的患者将在第56周(双盲治疗结束)进行末次研究访视以进行随访,且不给予IP。
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。




