COVID-19患者免疫调节药物及其他治疗开放标签多随机对照试验队列——沙利鲁单抗试验——CORIMUNO-19-SARI
研究采用队列多重随机对照试验(cmRCT)设计,评估Sarilumab在中度、重度或危重型COVID-19相关肺炎患者中的治疗效果与耐受性

基本信息
资源简介
COVID-19患者免疫调节药物及其他治疗开放标签多随机对照试验队列——沙利鲁单抗试验——CORIMUNO-19-SARI
该数据集来自clinicaltrials.gov,属于呼吸系统疾病/肺炎分类,主题为Corona Virus Infection。研究采用队列多重随机对照试验(cmRCT)设计,评估Sarilumab在中度、重度或危重型COVID-19相关肺炎患者中的治疗效果与耐受性。Sarilumab是一种人IgG1单克隆抗体,可特异性结合可溶性和膜结合型IL-6R,抑制IL-6介导的信号传导。数据覆盖需要或不需要机械通气的成人住院患者,可用于分析免疫调节药物对COVID-19肺炎的疗效与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:冠状病毒感染。本研究的总体目标是确定Sarilumab对与2019冠状病毒病(COVID-19)相关的中度、重度肺炎或危重型肺炎患者的治疗效果和耐受性。Sarilumab是一种人IgG1单克隆抗体,可特异性结合可溶性和膜结合型IL-6R(sIL-6Rα和mIL-6Rα),并已显示可通过这些受体抑制IL-6介导的信号传导。该研究采用队列多重随机对照试验(cmRCT)设计。随机化将在向入组CORIMUNO-19队列的患者提供Sarilumab给药之前进行。Sarilumab将给予同意参加的成年COVID-19住院患者,这些患者被诊断为需要无机械通气的中度或重度肺炎,或需要机械通气的危重型肺炎。患者
【主题与分类】
主题标签:Corona Virus Infection。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/NCT04324073
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/NCT04324073
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:冠状病毒感染。本研究的总体目标是确定Sarilumab对与2019冠状病毒病(COVID-19)相关的轻中度肺炎、重症肺炎或危重症肺炎患者的治疗效果和耐受性。Sarilumab是一种人IgG1单克隆抗体,可特异性结合可溶性和膜结合型IL-6受体(sIL-6Rα和mIL-6Rα),并已被证明可通过这些受体抑制IL-6介导的信号传导。本研究采用队列多重随机对照试验(cmRCT)设计。随机化将在向纳入CORIMUNO-19队列的患者提供Sarilumab给药之前进行。Sarilumab将给予同意参与的、因COVID-19住院的成年患者,这些患者被诊断为无需机械通气的轻中度或重症肺炎,或需要机械通气的危重症肺炎。选择不接受Sarilumab的患者将接受标准治疗。接受Sarilumab治疗的患者结局将与接受标准治疗的患者结局以及接受其他免疫调节剂治疗的患者结局进行比较。
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。




