Duloxetine与Amitriptyline两种剂量治疗间质性肺病相关咳嗽的疗效研究
本数据集来自clinicaltrials.gov,聚焦间质性肺病相关慢性咳嗽,研究Duloxetine与Amitriptyline两种药物的疗效

基本信息
资源简介
Duloxetine与Amitriptyline两种剂量治疗间质性肺病相关咳嗽的疗效研究
本数据集来自clinicaltrials.gov,聚焦间质性肺病相关慢性咳嗽,研究Duloxetine与Amitriptyline两种药物的疗效。试验为随机、双盲、安慰剂对照、平行组、剂量递增设计,计划纳入25名受试者,按1:1:1:1:1比例随机分配至五个治疗组,每组经历两个连续4周盲法治疗期,随后揭盲并接受常规临床随访。数据可用于评估药物对间质性肺病相关咳嗽的疗效与安全性,支持呼吸系统疾病治疗研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:间质性肺病。这是一项在间质性肺病相关慢性咳嗽受试者中开展的Duloxetine与Amitriptyline随机、双盲、安慰剂对照、平行组、剂量递增研究。受试者将接受最长2周的筛选期,并进行筛选/基线咳嗽监测。共25名符合入组标准的受试者将按1:1:1:1:1比例,采用分层随机区组(区组大小为5)分配至五个治疗组之一。每组将经历两个连续的4周治疗期(盲法期1和2)。此后,患者将揭盲并接受常规临床护理。在揭盲(常规临床护理)随访阶段,受试者将首先根据其初始随机分组选择继续使用Amitriptyline或Duloxetine。受试者也可选择其他方案。
【主题与分类】
主题标签:Interstitial Lung Disease。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05120934
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/NCT05120934
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:间质性肺病。这是一项随机、双盲、安慰剂对照、平行分组、剂量递增研究,旨在评估度洛西汀和阿米替林在间质性肺病相关慢性咳嗽受试者中的疗效。受试者将在最长2周的筛选期内接受筛选,并进行筛选/基线咳嗽监测。共有25名符合入组标准的受试者将按1:1:1:1:1的比例,通过分层随机化以5人为一个区组,随机分配至五个治疗组之一。每组将依次接受两个为期4周的治疗期(盲法期1和2)。此后,患者将揭盲并接受常规临床诊疗。在揭盲(常规临床诊疗)随访阶段,受试者将首先根据其初始随机分组,选择继续接受阿米替林或度洛西汀治疗。受试者也可选择其他慢性咳嗽治疗(例如普瑞巴林、加巴喷丁、1%丁卡因棒棒糖或雾化利多卡因,或联合治疗)。治疗组5的受试者在8周盲法期内接受的是安慰剂,将与其讨论所有可用的咳嗽治疗方法。
患者将在非盲随访期间获得与常规临床诊疗中相同的灵活治疗选择。非盲随访期的参与将是可选的。治疗组1:盲法期1(前4周):度洛西汀30mg;盲法期2(第2个4周):度洛西汀30mg与安慰剂30mg;非盲(常规临床诊疗)随访期:(最长52周):受试者将获得针对其慢性咳嗽的常规临床诊疗管理。治疗组2:盲法期1(前4周):度洛西汀30mg;盲法期2(第2个4周):度洛西汀60mg(每片30mg,共2片);非盲(常规临床诊疗)随访期:(最长52周):受试者将获得针对其慢性咳嗽的常规临床诊疗管理。治疗组3:盲法期1(前4周):阿米替林25mg;盲法
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。




