评估GSK3915393在特发性肺纤维化参与者中疗效与安全性的研究
该数据集来自clinicaltrials.gov，收录一项关于GSK3915393在特发性肺纤维化（IPF）参与者中疗效与安全性的研究
基本信息
资源简介
评估GSK3915393在特发性肺纤维化参与者中疗效与安全性的研究
该数据集对应一项在特发性肺纤维化（IPF）参与者中评估GSK3915393疗效与安全性的临床研究，英文名称为“A Study to Evaluate the Efficacy and Safety of GSK3915393 in Participants With Idiopathic Pulmonary Fibrosis (IPF)”，来源于clinicaltrials.gov。特发性肺纤维化是一种慢性肺部疾病，会导致肺部瘢痕形成和呼吸困难。GSK3915393是一种新药，首次在IPF参与者中进行测试，该研究将评估其在IPF参与者中的安全性和有效性。数据集在站内归入呼吸系统疾病下的“其他”类别，主题标签为“Idiopathic Pulmonary Fibrosis”，可用于了解该研究的基本注册信息与研究主题。
【数据集背景】
特发性肺纤维化是一种慢性肺病，会引起肺部瘢痕化并造成呼吸困难。GSK3915393是一种新药，本研究是其在IPF参与者中开展的首次测试。研究目的在于评估GSK3915393在IPF参与者中的安全性和有效性。该数据集所对应的研究即围绕上述背景与目的登记于clinicaltrials.gov。
【数据内容】
该数据集收录一项关于GSK3915393在特发性肺纤维化（IPF）参与者中疗效与安全性的研究。研究涉及的条件为Idiopathic Pulmonary Fibrosis，干预药物为GSK3915393，研究重点为安全性与有效性评估。站内分类为呼吸系统疾病 / 其他，主题标签为Idiopathic Pulmonary Fibrosis。除上述研究主题、条件与药物信息外，源站未提供更细粒度的数据字段说明。
【采集与来源】
数据来源站为clinicaltrials.gov。源站描述说明该研究针对特发性肺纤维化参与者，GSK3915393为首次在IPF参与者中测试的新药，研究将评估其安全性和有效性。除来源站与源站描述外，源站未提供采集时间、更新频率或采集方法等更多信息。
【适用场景】
该数据集可用于了解GSK3915393在特发性肺纤维化参与者中开展的疗效与安全性研究的基本情况，适合作为呼吸系统疾病领域相关研究主题的检索与参考入口，也可用于围绕特发性肺纤维化这一主题进行资料归类和初步了解。关于具体临床数据的使用场景，源站未提供。
【使用方法】
该数据集按站内分类归入呼吸系统疾病 / 其他，并以Idiopathic Pulmonary Fibrosis作为主题标签，可通过主题标签或分类进行检索与定位。关于数据的具体读取方式、字段结构或访问接口，源站未提供。
【质量与限制】
该数据集的信息来自clinicaltrials.gov的源站描述，内容为研究层面的概要信息。源站未提供数据完整性、准确性验证、样本量、研究结果或更新机制等质量与限制方面的说明。
【引用与许可】
源站未提供引用格式与许可信息。
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/NCT06317285
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：特发性肺纤维化。特发性肺纤维化是一种慢性肺部疾病，会导致肺部瘢痕形成和呼吸困难。GSK3915393是一种新药，首次在特发性肺纤维化受试者中进行测试。该研究将评估GSK3915393在特发性肺纤维化受试者中的安全性和有效性。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
