以色列接受Benralizumab治疗的严重哮喘患者特征与临床结局(SAIL-B)

研究为回顾性、观察性、单臂、单国设计,基于Maccabi Health Services(MHS)计算机化数据库,纳入2019年1月1日至2024年3月31日期间启动Benralizumab治疗的患者,包括生物制剂初治和经治人群

AstraZenecaAstraZeneca
clinicaltrials
浏览 14
其他预测Severe Asthma
Characterization and Clinical Outcomes of Severe Asthma Patients in Israel Treated With Benralizumab (SAIL-B)

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

以色列接受Benralizumab治疗的严重哮喘患者特征与临床结局(SAIL-B)

该数据集来自clinicaltrials.gov,聚焦以色列接受Benralizumab治疗的严重哮喘(Severe Asthma)成人患者。研究为回顾性、观察性、单臂、单国设计,基于Maccabi Health Services(MHS)计算机化数据库,纳入2019年1月1日至2024年3月31日期间启动Benralizumab治疗的患者,包括生物制剂初治和经治人群。随访自索引日期前12个月起,至换药、死亡、离开MHS或研究随访期结束(2024年6月30日)中最早发生者。数据可用于分析患者特征与临床结局(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:严重哮喘。一项回顾性、观察性、单臂、单国研究,使用Maccabi Health Services(MHS)的计算机化数据库。研究将纳入2019年1月1日至2024年3月31日期间因严重嗜酸性哮喘(SEA)启动benralizumab治疗的成人患者。研究人群将包括生物制剂初治和生物制剂经治患者。患者将从索引日期前12个月开始随访,直至以下日期中最早发生者:换药、死亡、离开MHS或研究随访期结束(2024年6月30日)。

【主题与分类】

主题标签:Severe 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/NCT07218172

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/NCT07218172

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

疾病条件:重度哮喘。一项回顾性、观察性、单臂、单国研究,使用Maccabi Health Services(MHS)的计算机化数据库。研究将纳入2019年1月1日至2024年3月31日期间因重度嗜酸性粒细胞性哮喘(SEA)开始接受benralizumab治疗的成年患者。研究人群将包括生物制剂初治和生物制剂经治患者。患者将从索引日期前12个月开始随访,直至以下日期中最早发生者:换药、死亡、退出MHS或研究随访期结束(2024年6月30日)。

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