Benralizumab非干预性前瞻性研究

该数据集来自clinicaltrials.gov,属于呼吸系统疾病/哮喘领域,为一项关于Benralizumab的非干预性前瞻性研究

AstraZenecaAstraZeneca
clinicaltrials
浏览 12
文本预测Asthma, Bronchial
A Non-interventional, Prospective Study With Benralizumab

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-08

资源简介

Benralizumab非干预性前瞻性研究

该数据集来自clinicaltrials.gov,属于呼吸系统疾病/哮喘领域,为一项关于Benralizumab的非干预性前瞻性研究。研究在常规临床实践中观察接受Benralizumab治疗患者的哮喘控制、健康相关生活质量、哮喘药物摄入及研究期间(最长52周)药物变化。哮喘控制通过ACT和AIRQ®在不同时间点由研究者收集或患者自报进行分析,健康相关生活质量在基线和常规随访时使用miniAQLQ由研究者评估。患者每周记录用药情况以评估药物变化。数据可用于哮喘控制与生活质量相关预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:哮喘、支气管哮喘。这是一项前瞻性观察性研究,旨在调查在常规临床实践中接受benralizumab治疗的患者的哮喘控制和健康相关生活质量(HRQL)、其哮喘药物摄入情况以及研究期间(最长52周)哮喘药物的变化。哮喘控制将通过使用哮喘控制测试(ACT)和哮喘损伤与风险问卷(AIRQ®)在研究期间的不同时间点进行分析,这些数据由研究者收集或由患者自我报告。此外,健康相关生活质量将在基线和常规随访时使用迷你哮喘生活质量问卷(miniAQLQ)进行评估,该问卷由研究者收集。为了调查药物摄入并评估哮喘药物的变化,患者将记录其每周用药

【主题与分类】

主题标签:Asthma, Bronchial。本站分类:呼吸系统疾病/哮喘。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06422078

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/NCT06422078

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

疾病:支气管哮喘。这是一项前瞻性观察性研究,旨在调查贝那利珠单抗治疗的患者在常规临床实践中的哮喘控制情况和健康相关生活质量(HRQL)、其哮喘用药情况,以及研究期间(最长52周)其哮喘用药的变化。哮喘控制情况将通过在研究期间不同时间点使用哮喘控制测试(ACT)和哮喘损害与风险问卷(AIRQ®)进行分析,这些数据由研究者收集或由患者自我报告。此外,将在基线和常规随访时使用由研究者收集的迷你哮喘生活质量问卷(miniAQLQ)评估健康相关生活质量。为了调查用药情况并评估哮喘用药的变化,患者将在整个研究期间以纸质或电子用药日记记录其每周用药情况。

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