Nintedanib与免疫抑制治疗自身免疫性炎性肌病及进展性肺纤维化的耐受性与安全性数据集
该数据集来自一项单臂开放标签试验,评估Nintedanib联合免疫抑制治疗自身免疫性炎性肌病相关间质性肺病(AIM-ILD)的安全性与耐受性,并分析外周血细胞基因表达变化

基本信息
资源简介
Nintedanib与免疫抑制治疗自身免疫性炎性肌病及进展性肺纤维化的耐受性与安全性数据集
Tolerability and Safety of Nintedanib and Immunosuppression in Autoimmune Inflammatory Myopathy and Progressive Pulmonary Fibrosis
该数据集来自一项单臂开放标签试验,评估Nintedanib联合免疫抑制治疗自身免疫性炎性肌病相关间质性肺病(AIM-ILD)的安全性与耐受性,并分析外周血细胞基因表达变化。数据包含外周血bulk RNA测序表达谱,可用于探索药物反应相关的基因表达特征及安全性预测(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 05 202。
【数据内容】
源站描述(机器翻译,仅供参考):引言:自身免疫性炎性肌病相关间质性肺病(AIM-ILD)常呈进展性和纤维化。鉴于该病罕见,关于抗纤维化治疗药物Nintedanib联合免疫抑制在该人群中的安全性和耐受性知之甚少。本单臂开放标签试验旨在评估Nintedanib在AIM-ILD中的安全性和耐受性,并确定给予Nintedanib后外周血细胞基因表达是否发生变化。方法:在背景免疫抑制治疗下患有进展性纤维化AIM-ILD的患者入组本试验,接受Nintedanib治疗24周。主要终点是服用研究药物剂量90%或以上的受试者百分比。次要终点包括安全性(不良事件)和有效性(肺功能)结局。对外周血进行bulk RNA测序
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL34284、9606。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE299128
【使用注意】
· 源站最后修改于 Aug 05 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE299128
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
引言:自身免疫炎症性肌病相关间质性肺病(AIM-ILD)常呈进展性和纤维化性。鉴于该病罕见,关于抗纤维化治疗药物尼达尼布联合免疫抑制治疗在该人群中的安全性和耐受性知之甚少。本单臂、开放标签试验的目的是评估尼达尼布在AIM-ILD中的安全性和耐受性,并确定给予尼达尼布后外周血细胞基因表达是否发生变化。方法:本试验纳入在接受背景免疫抑制治疗基础上患有进展性、纤维化性AIM-ILD的患者,给予尼达尼布治疗24周。主要终点为服用研究药物剂量≥90%的受试者百分比。次要终点包括安全性(不良事件)和疗效(肺功能)结局。在基线和随后每次访视时对外周血进行批量RNA测序以检测基因表达。结果:共纳入11名受试者,其中9名按方案完成24周的研究访视。该试验因招募缓慢而终止。
仅有3名(27%)参与者服用了90%或以上剂量的尼达尼布。用药依从性范围为27%至95%。最常见的不良事件为腹泻、恶心/呕吐和腹痛。肺功能随时间未见显著变化。未发现基因表达随时间的变化。结论:我们的试验受限于样本量小和招募困难,难以就安全性和耐受性得出明确结论。尼达尼布治疗未在外周血中诱导可测量的基因表达变化。基于这一小规模人群,尼达尼布联合免疫抑制治疗在AIM-ILD中的耐受性似乎具有挑战性。
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。
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。




