四种BNT162新冠疫苗在健康及免疫功能低下成人中的安全性与效果试验
该数据集来自clinicaltrials.gov,为一项多中心、I/II期、开放标签、剂量递增研究,评估四种BNT162新冠疫苗在健康及免疫功能低下成人中的安全性与效果

基本信息
资源简介
四种BNT162新冠疫苗在健康及免疫功能低下成人中的安全性与效果试验
该数据集来自clinicaltrials.gov,为一项多中心、I/II期、开放标签、剂量递增研究,评估四种BNT162新冠疫苗在健康及免疫功能低下成人中的安全性与效果。研究覆盖18至55岁年轻参与者及56至85岁年长参与者的首次人体剂量组和剂量范围组,Part A采用剂量递增设计,并计划酌情降剂量与优化剂量,采用哨兵给药或受试者错峰接种。数据可用于疫苗安全性、免疫原性及剂量探索相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:感染、呼吸系统、病毒性疾病、病毒感染、疫苗不良反应、RNA病毒感染、针对COVID-19和SARS CoV 2感染的保护。本研究是一项多中心、I/II期、开放标签、剂量递增研究。研究包括针对所有四种疫苗在健康年轻参与者(18至55岁[岁])和年长参与者(56至85岁)中的首次人体(FIH)剂量组和剂量范围组。已开展的Part A遵循剂量递增设计。还计划了酌情降剂量和优化剂量。首次人体免疫接种及任何后续剂量递增队列的研究参与者采用哨兵给药/受试者错峰接种。对于年轻成人中任何降剂量或剂量优化队列,即剂量低于先前测试的队列,参与者采用受试者错峰方式给药
【主题与分类】
主题标签:Infections, Respiratory、Virus Diseases、Infection Viral、Vaccine Adverse Reaction、RNA Virus Infections。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/NCT04380701
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/NCT04380701
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:感染、呼吸道、病毒性疾病、病毒感染、疫苗不良反应、RNA病毒感染、针对COVID-19的防护及SARS CoV 2感染。本研究是一项多中心、I/II期、开放标签、剂量递增研究。该研究纳入了所有四种疫苗在健康年轻参与者(年龄18至55岁[岁])和老年参与者(年龄56至85岁)中的首次人体(FIH)剂量组和剂量范围组。实施的A部分采用剂量递增设计。同时还计划了酌情剂量递减和优化。接受FIH免疫接种的研究参与者及任何后续剂量递增队列均采用哨兵给药/受试者交错方式进行免疫接种。对于年轻成人中的任何剂量递减或剂量优化队列,即剂量低于先前测试剂量的队列,参与者采用受试者交错流程进行给药。老年参与者中的队列为可选,且取决于年轻参与者中给药的可接受性。A部分包括治疗期和随访期。
对于BNT162a1 3 µg组,安全审查委员会(SRC)决定在6名受试者接受给药后停止给药,并且不进行加强免疫(第2剂)。对于BNT162b1 60 µg组,SRC决定不对12名受试者进行加强免疫(第2剂)。
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。




