Aralast α1-蛋白酶抑制剂监测研究
该数据集来自 clinicaltrials.gov，为一项针对 Alpha1-antitrypsin Deficiency 的 Phase 4、开放标签、前瞻性美国监测研究，评估开始接受 ARALAST 治疗的 AAT 缺乏受试者的健康结局，包括患者相关结局中的健康相关生活质量与医疗资源利用，以及评
基本信息
资源简介
Aralast α1-蛋白酶抑制剂监测研究
该数据集来自 clinicaltrials.gov，为一项针对 Alpha1-antitrypsin Deficiency 的 Phase 4、开放标签、前瞻性美国监测研究，评估开始接受 ARALAST 治疗的 AAT 缺乏受试者的健康结局，包括患者相关结局中的健康相关生活质量与医疗资源利用，以及评估 ARALAST 长期给药安全性的多项实验室分析。计划入组至多 120 名受试者，在基线和此后每 6 个月评估 HRQoL 与 HCRU，持续 2 年；部分受试者进入抽血部分，包含 ARALAST 抗体和生化 panel 评估。可用于研究长期治疗下的安全性、生活质量与医疗资源使用等结局（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：Alpha1-antitrypsin Deficiency。这项 Phase 4、开放标签、前瞻性美国监测研究的主要目标是评估开始接受 ARALAST 治疗的 Alpha 1-Antitrypsin（AAT）缺乏受试者的健康结局，涉及患者相关结局（PRO），即健康相关生活质量（HRQoL）、医疗资源利用（HCRU），以及用于评估长期给予 ARALAST 安全性的各种实验室分析。将入组至多 120 名受试者，并在基线和此后每 6 个月评估 HRQoL 和 HCRU，持续 2 年。一部分受试者将被纳入研究的抽血部分，该部分还将包括对 ARALAST 抗体的评估和生化 panel。受试者将根据处方（主治）医师依据处方信息给出的指示接受治疗
【主题与分类】
主题标签：Alpha1-antitrypsin Deficiency。本站分类：呼吸道疾病/α1-抗胰蛋白酶缺乏症。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT00313144
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/NCT00313144
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：Alpha1-抗胰蛋白酶缺乏症。这项4期、开放标签、前瞻性美国监测研究的主要目标是评估正在开始接受ARALAST治疗的Alpha 1-抗胰蛋白酶（AAT）缺乏受试者的健康结局，包括患者相关结局（PRO），即健康相关生活质量（HRQoL）、医疗资源利用（HCRU），以及用于评估长期给予ARALAST安全性的各种实验室分析。将招募最多120名受试者，并在基线时及此后每6个月评估一次HRQoL和HCRU，持续2年。一部分受试者将被纳入研究的抽血部分，该部分还将包括对ARALAST抗体的评估以及生化全项检查。受试者将根据处方（主治）医师依据ARALAST包装说明书中所给处方信息作出的指示接受治疗。
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。
