真实世界研究:Benralizumab治疗成人重度嗜酸性哮喘的临床与患者中心结局数据
该数据集来自clinicaltrials.gov,聚焦接受Benralizumab治疗的成人重度嗜酸性哮喘(SEA)患者,旨在采集超越临床疗效的真实世界数据,涵盖治疗对健康相关生活质量、睡眠质量、抑郁、焦虑、工作生产力与活动受损等患者报告影响,以及治疗有效性

基本信息
资源简介
真实世界研究:Benralizumab治疗成人重度嗜酸性哮喘的临床与患者中心结局数据
该数据集来自clinicaltrials.gov,聚焦接受Benralizumab治疗的成人重度嗜酸性哮喘(SEA)患者,旨在采集超越临床疗效的真实世界数据,涵盖治疗对健康相关生活质量、睡眠质量、抑郁、焦虑、工作生产力与活动受损等患者报告影响,以及治疗有效性。研究还借助便携式肺量计和可穿戴活动追踪器(WAT)收集肺功能参数与身体活动数据,可用于评估生物制剂在真实临床环境中的综合获益(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:重度嗜酸性哮喘。重度嗜酸性哮喘(SEA)与疾病控制不佳和健康相关生活质量(HRQoL)受损相关,造成显著的心理社会和经济疾病负担。Benralizumab(Fasenra®)是一种白细胞介素(IL)-5α受体单克隆抗体,已被批准作为SEA的附加维持治疗。本研究旨在收集真实世界数据,这些数据不仅涵盖Benralizumab的临床有效性,还涵盖参与者报告的治疗对其HRQoL、睡眠质量、抑郁、焦虑、工作生产力和活动受损的影响,以及治疗有效性。便携式肺量计和可穿戴活动追踪器(WAT)方面的最新技术进步可增加哮喘参与者(甚至老年参与者)的身体活动,使本研究能够收集肺功能参数方面的数据
【主题与分类】
主题标签:Severe Eosinophilic Asthma。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/NCT05440656
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/NCT05440656
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
疾病情况:重度嗜酸性粒细胞性哮喘。重度嗜酸性粒细胞性哮喘(SEA)与疾病控制不佳和健康相关生活质量(HRQoL)受损相关,导致显著的心理社会和经济疾病负担。贝那利珠单抗(Fasenra®)是一种白细胞介素(IL)-5α受体单克隆抗体,已获批作为SEA的附加维持治疗。本研究旨在收集真实世界数据,不仅涵盖贝那利珠单抗的临床有效性,还包括参与者报告的治疗对其HRQoL、睡眠质量、抑郁、焦虑、工作生产力和活动受损的影响,以及治疗有效性。便携式肺量计和可穿戴活动追踪器(WAT)的最新技术进步可提高哮喘参与者(甚至老年参与者)的体力活动,使本研究能够在希腊全国范围内首次从此类设备收集肺功能参数和体力活动数据。
本研究采用多维度方法,将生成关于广泛且成熟的临床结局及以患者为中心的新型结局的真实世界证据,这些结局对于从医生和参与者角度评估治疗获益至关重要。所有主要研究结局将在48周观察期的多个时间点进行考察,最早从治疗开始后4周即开始,从而能够识别“早期”治疗应答者,并更加关注患者的生理和心理健康及健康相关生活质量,此外还包括哮喘控制和肺功能指标。
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。




