评估 agenT-797 在 COVID-19 合并 ARDS 受试者中安全性的临床试验
本数据集来自 clinicaltrials.gov,为一项评估 agenT-797 在 COVID-19 合并急性呼吸窘迫综合征(ARDS)受试者中安全性的临床试验

基本信息
资源简介
评估 agenT-797 在 COVID-19 合并 ARDS 受试者中安全性的临床试验
本数据集来自 clinicaltrials.gov,为一项评估 agenT-797 在 COVID-19 合并急性呼吸窘迫综合征(ARDS)受试者中安全性的临床试验。agenT-797 是一种未经修饰的同种异体恒定自然杀伤 T 细胞(iNKT)疗法。研究针对需要机械通气、且符合柏林定义的中度至重度 ARDS 的 COVID-19 受试者,分为两部分:第一部分采用标准 3+3 剂量递增设计,所有受试者接受单次输注,并按主要研究者判断接受其他治疗与支持性护理;第一部分确定最大耐受剂量后开放第二部分扩展队列,并设立安全监测委员会评估安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:成人呼吸窘迫综合征。这是一项 1 期研究,旨在评估 agenT-797 的安全性和有效性,agenT-797 是一种未经修饰的同种异体恒定自然杀伤 T 细胞(iNKT)疗法,用于需要机械通气、且经柏林定义判定为中度至重度急性呼吸窘迫综合征(ARDS)的 COVID-19 受试者。该研究将分 2 部分进行。第 1 部分将采用 agenT-797 的标准 3+3 剂量递增设计。所有受试者将接受单次 agenT-797 输注。受试者还将根据主要研究者的判断接受其他治疗和支持性护理。一旦第 1 部分中 agenT-797 的最大耐受剂量得到确认,研究的第 2 部分将开放,并在扩展队列中入组符合条件的受试者。将设立一个安全监测委员会来评估安全性和 d
【主题与分类】
主题标签:Respiratory Distress Syndrome, Adult。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04582201
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/NCT04582201
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:成人呼吸窘迫综合征。这是一项1期研究,旨在评估agenT-797——一种未经修饰的同种异体恒定自然杀伤T细胞(iNKT)疗法——在需要机械通气、且根据柏林定义被判定为中重度急性呼吸窘迫综合征(ARDS)的COVID-19受试者中的安全性和有效性。该研究将分为2部分进行。第1部分将采用agenT-797的标准3+3剂量递增设计。所有受试者将接受单次agenT-797输注。受试者还将根据主要研究者的判断接受其他治疗和支持性护理。一旦第1部分中agenT-797的最大耐受剂量得到确认,研究的第2部分将开放,并在扩展队列中入组符合条件的受试者。将成立一个安全监测委员会,以评估安全性并决定是否递增至下一队列和扩展剂量,以及是否对方案进行任何修改以纳入病情较轻的病例。
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。




