高剂量泼尼松龙在急性与慢性情境下的药代动力学评估
该数据集来自 clinicaltrials.gov,聚焦高剂量泼尼松龙在急性与慢性临床情境下的药代动力学评估。覆盖甲状腺眼病、血管炎、COPD 急性加重、哮喘及炎症性疾病等人群,关注泼尼松龙抗炎治疗中血药浓度与给药剂量是否匹配,以及高剂量、长期治疗相关不良反应的剂量-暴露关系

基本信息
资源简介
高剂量泼尼松龙在急性与慢性情境下的药代动力学评估
该数据集来自 clinicaltrials.gov,聚焦高剂量泼尼松龙在急性与慢性临床情境下的药代动力学评估。覆盖甲状腺眼病、血管炎、COPD 急性加重、哮喘及炎症性疾病等人群,关注泼尼松龙抗炎治疗中血药浓度与给药剂量是否匹配,以及高剂量、长期治疗相关不良反应的剂量-暴露关系。数据可用于探索泼尼松龙个体化给药、最低有效剂量策略及治疗药物监测相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:甲状腺眼病、血管炎、COPD 急性加重、哮喘、炎症性疾病。泼尼松龙是一种抗炎药物,广泛用于减轻多种医学状况中的炎症和免疫激活,包括哮喘、过敏、炎症性和自身免疫性疾病。然而,其治疗作用伴随若干不良副作用,这些副作用在高剂量和长期治疗后更为频繁。因此,目标是使用最低有效剂量或最短治疗所需的最高剂量。在部分因肾上腺功能不全(AI)接受泼尼松龙替代剂量的患者中已观察到,尽管患者维持相同剂量,血清泼尼松龙水平随时间变化。目前尚不清楚在接受高剂量泼尼松龙的患者中,血清泼尼松龙水平是否与剂量匹配,两者均
【主题与分类】
主题标签:Thyroid Eye Disease、Vasculitis、COPD Exacerbation Acute、Asthma、Inflammatory Disease。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/NCT05012033
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/NCT05012033
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
适应症:甲状腺眼病、血管炎、慢性阻塞性肺疾病急性加重、哮喘、炎症性疾病。泼尼松龙是一种抗炎药物,广泛用于减轻多种医学疾病中的炎症和免疫激活,包括哮喘、过敏、炎症性和自身免疫性疾病。然而,其治疗作用伴随若干不良副作用,这些副作用在高剂量和长期治疗后更为常见。因此,目标是使用最低有效剂量或最高剂量并尽可能缩短所需治疗时间。在部分因肾上腺功能不全(AI)而接受泼尼松龙替代剂量的患者中观察到,尽管患者维持相同剂量,血清泼尼松龙水平随时间变化。目前尚不清楚在接受高剂量泼尼松龙的患者中,无论急性还是慢性情况下,血清泼尼松龙水平是否与剂量相匹配,以及长期接受高剂量后泼尼松龙的代谢方式是否发生改变。
针对特定病症使用特定剂量的理由尚不明确,且是在缺乏个体患者数据的情况下历史性地形成的。泼尼松龙更为个体化的给药方案有可能减少副作用,而最低可能剂量可能与体重相关。此外,遗传和表观遗传因素也可能在泼尼松龙的疗效及副作用发生风险中发挥作用,解释了药物反应中部分个体间差异。进一步明确这些因素可能有助于建立证据基础,以制定个体化的抗炎剂量和合成糖皮质激素的减量方案,从而避免不良效应。
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。




