Benralizumab 治疗伴 ABPA 的重度哮喘患者

该数据集来自 clinicaltrials.gov,聚焦于伴有 ABPA 的重度哮喘患者接受 Benralizumab 治疗的临床研究

Baylor Research InstituteBaylor Research Institute
clinicaltrials
浏览 19
其他预测ABPASevere AsthmaAllergic Bronchopulmonary Aspergillosis
Benralizumab in the Treatment of Patients With Severe Asthma With ABPA

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

Benralizumab 治疗伴 ABPA 的重度哮喘患者

该数据集来自 clinicaltrials.gov,聚焦于伴有 ABPA 的重度哮喘患者接受 Benralizumab 治疗的临床研究。研究纳入确诊为重度哮喘合并 ABPA 的受试者,接受每 4 周一次 Benralizumab 注射,前 3 次注射后间隔 8 周再注射一次,总活性治疗期 16 周,末次注射后 8 周进行随访或终止访视,完成治疗者终止访视在第 24 周。因任何原因退出或终止治疗者仍需完成终止访视的全部程序。数据可用于分析该治疗方案在特定人群中的疗效与安全性相关结局(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:ABPA、重度哮喘、变应性支气管肺曲霉病。被确定患有伴 ABPA 的重度哮喘的受试者将签署知情同意并纳入研究,接受 Benralizumab 注射,前 3 次注射每 4 周给药一次,随后间隔八周再注射一次,总活性治疗期为 16 周,末次注射后八周进行随访/终止访视。完成研究治疗的受试者,终止访视将在第 24 周进行。接受首剂 Benralizumab 但因任何原因退出研究或终止研究治疗的受试者,应完成终止访视所规定的全部程序。

【主题与分类】

主题标签:ABPA、Severe Asthma、Allergic Bronchopulmonary Aspergillosis。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/NCT04108962

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/NCT04108962

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:ABPA、重度哮喘、变应性支气管肺曲霉病。已确诊为重度哮喘合并ABPA的受试者将签署知情同意书并纳入本研究,接受benralizumab注射,前3次注射每4周给药一次,随后追加一次注射,间隔8周,共计16周活性治疗,并在末次注射后8周进行随访/终止访视。完成研究治疗的受试者,终止访视将在第24周进行。接受首剂benralizumab但因任何原因退出研究或终止研究治疗的受试者,应完成终止访视所规定的全部程序。

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