Mepolizumab治疗希腊重度嗜酸性哮喘的真实世界证据研究
该数据集来自clinicaltrials.gov，主题为希腊开展的一项关于Mepolizumab治疗重度嗜酸性哮喘的前瞻性多中心非干预性观察研究，为期2年，完成日期为2020年12月
基本信息
资源简介
Mepolizumab治疗希腊重度嗜酸性哮喘的真实世界证据研究
该数据集对应clinicaltrials.gov登记的一项关于Mepolizumab治疗重度嗜酸性哮喘的真实世界证据研究，研究在希腊多家中心开展，采用前瞻性、多中心、非干预性观察设计，计划为期2年，完成日期为2020年12月。研究旨在描述新启动Mepolizumab治疗的重度嗜酸性哮喘患者的特征、病史以及该药物带来的临床获益。数据集在站内归入呼吸系统疾病/哮喘分类，主题标签为重度嗜酸性哮喘，可为关注该药物在真实临床环境中应用情况的研究者提供研究层面的信息入口。
【数据集背景】
重度嗜酸性哮喘是哮喘中病情较重、管理难度较大的一类表型。Mepolizumab作为针对该表型的治疗药物，其在严格对照试验之外的真实临床环境中的表现，是临床与研究界关注的问题。该研究正是在这一背景下设计：在希腊多个中心开展前瞻性、多中心、非干预性观察研究，观察对象为新近开始接受Mepolizumab治疗的重度嗜酸性哮喘患者，研究周期为2年，完成日期为2020年12月。研究不以干预或改变常规诊疗为目的，而是记录和描述真实诊疗条件下患者的实际情况与用药后的临床获益。
【数据内容】
依据源站描述，该研究拟描述的内容包括三个方面：患者特征、病史，以及Mepolizumab在重度嗜酸性哮喘患者中的临床获益。研究对象限定为新启动该药物治疗的患者。源站未提供具体的变量清单、随访时间点、样本量、结局指标定义或数据表结构等信息。
【采集与来源】
数据来源为clinicaltrials.gov登记的研究信息。研究类型为前瞻性、多中心、非干预性观察研究，实施地点为希腊的若干中心，研究时间跨度为2年，完成日期为2020年12月。源站未提供各中心的具体名称与数量、入组起止日期、数据采集流程与工具等细节。
【适用场景】
该数据集适用于了解该项真实世界证据研究的总体设计与研究目的，可作为重度嗜酸性哮喘领域药物真实世界研究的信息参考，帮助研究者定位希腊地区关于Mepolizumab用于重度嗜酸性哮喘的观察性研究。源站未提供基于该数据开展二次分析的具体建议或已验证的分析用途。
【使用方法】
源站未提供数据获取方式、访问权限、文件格式或使用说明等信息。
【质量与限制】
该研究为非干预性观察设计，源站未提供样本量、数据完整性、缺失情况、偏倚控制或质量评估等信息。使用时应以源站登记信息为准，并注意研究完成日期为2020年12月这一时间范围。
【引用与许可】
源站未提供引用格式与许可条款信息。
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/NCT04084613
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：重度嗜酸性粒细胞性哮喘。一项前瞻性多中心、非干预性观察研究，将在希腊多个中心开展，为期2年（完成日期为2020年12月），旨在描述新近开始使用美泊利单抗的重度嗜酸性粒细胞性哮喘患者的患者特征、病史以及该药的临床获益。
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。
