Auxora 治疗重症 COVID-19 肺炎研究
研究主要评估不同剂量 Auxora 对支气管肺泡灌洗液（BAL）中 T 细胞/单核细胞亚群及趋化因子释放的药效学反应，同时考察安全性、耐受性和药代动力学特征，并基于第 60 天全因死亡率、随机化后机械通气天数、住院天数和 ICU 天数评估疗效
基本信息
资源简介
Auxora 治疗重症 COVID-19 肺炎研究
该数据集来自 clinicaltrials.gov，主题为 Auxora 用于重症 COVID-19 肺炎患者的研究。研究主要评估不同剂量 Auxora 对支气管肺泡灌洗液（BAL）中 T 细胞/单核细胞亚群及趋化因子释放的药效学反应，同时考察安全性、耐受性和药代动力学特征，并基于第 60 天全因死亡率、随机化后机械通气天数、住院天数和 ICU 天数评估疗效。患者按 3:1 随机分配至 Auxora 或安慰剂组，前 4 例入组队列 1，若进行剂量递增则后续 4 例入组队列 2。可用于肺炎治疗相关的药效学与临床结局分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：肺炎。本研究的主要目的是评估不同剂量 Auxora 对重症 COVID-19 肺炎患者支气管肺泡灌洗液（BAL）T 细胞/单核细胞亚群及趋化因子释放的药效学反应。其他目的包括评估 Auxora 在重症 COVID-19 肺炎患者中的安全性和耐受性，以及这些患者中 Auxora 的药代动力学特征。还将基于第 60 天全因死亡率、随机化后机械通气天数、随机化后住院天数以及随机化后 ICU 天数来考察疗效。患者按 3:1 随机分配至 Auxora 或安慰剂组。前 4 例患者入组队列 1（3 例 Auxora，1 例安慰剂）。如果发生剂量递增，接下来 4 例患者将入组队列 2。如果剂量递增继续
【主题与分类】
主题标签：Pneumonia。本站分类：呼吸系统疾病/肺炎。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04661540
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/NCT04661540
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
疾病：肺炎。本研究的主要目的是评估不同剂量Auxora对重症COVID-19肺炎患者支气管肺泡灌洗液(BAL)中T细胞/单核细胞亚群及趋化因子释放的药效学反应。其他目标包括评估Auxora在重症COVID-19肺炎患者中的安全性和耐受性，以及这些患者中Auxora的药代动力学特征。疗效评估还将基于第60天的全因死亡率、随机化后机械通气天数、随机化后住院天数及随机化后在ICU的天数进行。患者按3:1比例随机分配至Auxora组或安慰剂组。前4名患者纳入第1队列（3例Auxora，1例安慰剂）。若进行剂量递增，接下来的4名患者将纳入第2队列。若再次进行剂量递增，接下来的8名患者将纳入第3队列。剂量递增的决定由CalciMedica与主要研究者(PI)协商，并在审查第1和第2队列的安全事件后作出。
（注：由于缺乏新增Covid-19住院病例，首位患者入组第3队列后，试验提前终止。）
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。
