Nerandomilast对有肺纤维化家族史者肺部变化影响研究
该数据集来自clinicaltrials.gov,聚焦家族性肺纤维化、间质性肺异常与间质性肺疾病人群。研究面向40岁及以上、至少有一名家庭成员患肺纤维化且肺部扫描显示间质性肺异常早期改变者,旨在评估药物nerandomilast能否延缓有肺纤维化家族史者的肺部变化

基本信息
资源简介
Nerandomilast对有肺纤维化家族史者肺部变化影响研究
该数据集来自clinicaltrials.gov,聚焦家族性肺纤维化、间质性肺异常与间质性肺疾病人群。研究面向40岁及以上、至少有一名家庭成员患肺纤维化且肺部扫描显示间质性肺异常早期改变者,旨在评估药物nerandomilast能否延缓有肺纤维化家族史者的肺部变化。参与者被随机分入两组。数据可用于了解该人群特征及研究设计,支持呼吸系统疾病相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:家族性肺纤维化、间质性肺异常、间质性肺疾病。本研究面向40岁及以上、至少有一名家庭成员患肺纤维化的人群。肺纤维化是一种肺组织形成瘢痕、导致呼吸困难的疾病。如果肺部扫描显示肺部的早期改变,即间质性肺异常,可能发展为肺瘢痕,则可以参加。有肺纤维化家庭成员的人自身更可能患病。因此,早期检查肺部变化并寻找防止病情恶化的方法很重要。本研究的目的是了解一种名为nerandomilast的药物能否帮助延缓有肺纤维化家族史者的肺部变化。参与者被随机分入2组中的一组,这意味着
【主题与分类】
主题标签:Familial Pulmonary Fibrosis、Interstitial Lung Abnormalities、Interstitial Lung Diseases。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07201922
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/NCT07201922
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:家族性肺纤维化、间质性肺异常、间质性肺疾病。本研究面向40岁及以上、且至少有1名家庭成员患有肺纤维化的人群。肺纤维化是一种肺组织形成瘢痕、导致呼吸更加困难的疾病。如果肺部扫描显示肺部早期改变,即间质性肺异常,且这些改变可能发展为肺瘢痕,则也可参加本研究。有家庭成员患肺纤维化的人自身患该病的可能性更高。因此,早期检查肺部改变并寻找预防疾病加重的方法十分重要。本研究的目的是了解一种名为nerandomilast的药物是否有助于减缓有肺纤维化家族史者肺部的变化。参与者被随机分配到2组中的一组,即分组由偶然决定。一组服用nerandomilast片剂,另一组服用安慰剂片剂。安慰剂片剂外观与nerandomilast片剂相似,但不含任何药物。参与者每天服用两次片剂,持续约2至3年。
参与者有3/5的概率接受nerandomilast而非安慰剂。参与者参与研究约2至3年。参与者需多次前往研究 site:前2年较频繁(约每3个月一次),此后每6个月一次。第3年,参与者还需每3个月与研究 site 工作人员进行电话沟通。医生定期检测肺功能并进行胸部扫描,以评估治疗是否有效。研究将比较两组结果,以判断nerandomilast是否有帮助。医生还会检查参与者的健康状况,并记录任何不良效应。
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。




