槲皮素在慢性阻塞性肺疾病中的有益作用
该数据集来自 clinicaltrials.gov,主题为槲皮素在慢性阻塞性肺疾病(COPD)中的有益作用。源站描述显示研究分两阶段:第一阶段考察槲皮素补充剂在 COPD 受试者中的安全性,第二阶段确定槲皮素在 COPD 患者中的疗效

基本信息
资源简介
槲皮素在慢性阻塞性肺疾病中的有益作用
该数据集来自 clinicaltrials.gov,主题为槲皮素在慢性阻塞性肺疾病(COPD)中的有益作用。源站描述显示研究分两阶段:第一阶段考察槲皮素补充剂在 COPD 受试者中的安全性,第二阶段确定槲皮素在 COPD 患者中的疗效。研究拟纳入 40 岁组别之间轻至中度疾病的 COPD 患者。临床前研究显示血浆槲皮素水平提高 4 倍可显著减轻肺部炎症并阻止进展;健康志愿者每日补充 500mg 槲皮素可实现血浆槲皮素水平 4 倍增加(0.22 至 1 µM),但高风险 COPD 人群的安全性和所需剂量尚未确定(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性阻塞性肺疾病。在我们的临床前研究中,我们已经证明血浆槲皮素水平提高 4 倍可显著减轻肺部炎症并阻止进展。在健康志愿者中,通过每天补充 500mg 槲皮素可实现血浆槲皮素水平提高 4 倍(0.22 至 1 µM)。然而,在“高风险”COPD 人群中,槲皮素补充剂的安全性以及实现血浆槲皮素水平提高 4 倍所需的槲皮素剂量尚未确定。本研究涉及两个阶段;第一阶段检查槲皮素补充剂在慢性阻塞性肺疾病(COPD)受试者中的安全性,第二阶段确定槲皮素在 COPD 患者中的疗效。在这项研究中,我们将招募年龄组在 40 岁之间的轻至中度疾病的 COPD 患者
【主题与分类】
主题标签:Chronic Obstructive Pulmonary Disease。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/NCT01708278
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/NCT01708278
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:慢性阻塞性肺疾病。在我们的临床前研究中,我们已证明血浆槲皮素水平提高4倍可显著减轻肺部炎症并阻止疾病进展。在健康志愿者中进行的临床研究表明,通过每日补充500mg槲皮素可使血浆槲皮素水平提高4倍(从0.22 µM升至1 µM)。然而,在“高危”COPD人群中,补充槲皮素的安全性以及达到血浆槲皮素水平提高4倍所需的槲皮素剂量尚待确定。本研究包括两个阶段;第一阶段考察槲皮素补充剂在慢性阻塞性肺疾病(COPD)受试者中的安全性,第二阶段确定槲皮素在COPD患者中的疗效。在本研究中,我们将招募年龄在40至65岁之间、患有轻至中度疾病的COPD患者。在第一阶段,我们将总共招募9名患者,以剂量递增的方式考察三种剂量槲皮素(500、1000和2000 mg/天)的耐受性和安全性。
第一队列由三名受试者组成,将接受安慰剂或每天500毫克槲皮素,持续一周。槲皮素补充剂的安全性将通过监测不良事件以及补充前后血液检测结果的变化来评估,血液检测包括全血细胞计数(CBC)和综合代谢面板。如果该剂量安全且耐受良好,第二队列的3名受试者将接受安慰剂或每天1000毫克槲皮素,持续一周,并再次评估安全性。如果该剂量安全耐受,第三队列将接受安慰剂或每天2000毫克槲皮素,持续一周,并评估安全性。在密歇根大学完成I期研究后,我们计划在单独的NCT编号下进行II期疗效研究。截至2016年,该II期研究尚未开始。基于初步研究,我们计划选择耐受且无不良事件的最高槲皮素剂量。
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。




