Mepolizumab与Omalizumab治疗重度哮喘疗效比较
源站描述了一项名为Choosebetweenamab的4期平行臂随机对照试验,比较Mepolizumab与Omalizumab的疗效和不良事件,采用计算机生成的置换区组随机化,并按基线嗜酸性粒细胞计数中位数分层,无安慰剂对照,参与者不设盲但结局评估与数据分析采用掩蔽

基本信息
资源简介
Mepolizumab与Omalizumab治疗重度哮喘疗效比较
该数据集来自clinicaltrials.gov,属于呼吸系统疾病/哮喘分类,主题为Asthma与Eosinophilic Asthma。源站描述了一项名为Choosebetweenamab的4期平行臂随机对照试验,比较Mepolizumab与Omalizumab的疗效和不良事件,采用计算机生成的置换区组随机化,并按基线嗜酸性粒细胞计数中位数分层,无安慰剂对照,参与者不设盲但结局评估与数据分析采用掩蔽。研究还包含一个次要结局子研究(ISS 11066),通过外周血单细胞测序评估疗效反应的生物标志物。数据可用于哮喘治疗比较研究及生物标志物分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Asthma、Eosinophilic Asthma。'Choosebetweenamab'将在4期、平行臂、随机对照试验环境中比较活性治疗臂(Mepolizumab和Omalizumab)的疗效和不良事件,采用计算机生成的随机化(置换区组随机化,区组大小为4或6,使用中位数分割按基线嗜酸性粒细胞计数分层)。没有安慰剂对照。参与者不会设盲,但将对评估结局和分析数据的人员使用掩蔽。'Chossebetweenamab'还将包括一个次要结局子研究(ISS 11066),使用外周血细胞的单细胞测序评估治疗疗效反应的生物标志物。在每个治疗臂(Mepolizumab和Omalizumab)的随机患者中,在基线和基因表达变化时采集血样,使用转录组单细胞测序进行评估。
【主题与分类】
主题标签:Asthma、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/NCT04585997
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/NCT04585997
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:哮喘、嗜酸性粒细胞性哮喘。“Choosebetweenamab”将在4期、平行组、随机对照试验环境中比较活性治疗组(美泊利单抗和奥马珠单抗)的疗效和不良事件,采用计算机生成的随机化(置换区组随机化,区组大小为4或6,按基线嗜酸性粒细胞计数使用中位数分割进行分层)。无安慰剂对照。参与者将不设盲,但将对评估结局和分析数据的人员采用掩蔽。“Chossebetweenamab”还将包括一项次要结局子研究(ISS 11066),使用外周血细胞的单细胞测序评估治疗疗效反应的生物标志物。在每个治疗组(美泊利单抗和奥马珠单抗)的随机化患者中于基线采集血样,并使用患者白细胞的转录组单细胞测序评估基因表达变化。由此生成的数据将与“Choosebetweenamab”在所有随访时间点的临床结局进行比较。
单细胞基因表达和细胞类型聚类模式将与主要和次要结局进行比较,以识别治疗疗效的基线预测因子(基因和细胞类型)。
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。




