Ruxolitinib 治疗散发性包涵体肌炎研究
该数据集来自 clinicaltrials.gov,记录一项针对散发性包涵体肌炎(IBM)的 II/III 期随机、双盲、安慰剂对照、多中心研究,评估 Ruxolitinib 治疗 IBM 受试者的疗效与安全性

基本信息
资源简介
Ruxolitinib 治疗散发性包涵体肌炎研究
该数据集来自 clinicaltrials.gov,记录一项针对散发性包涵体肌炎(IBM)的 II/III 期随机、双盲、安慰剂对照、多中心研究,评估 Ruxolitinib 治疗 IBM 受试者的疗效与安全性。IBM 是 45 岁以上最常见的特发性免疫性肌病,以肌肉炎症与退行性改变并存为病理特征,对常规免疫调节药物不敏感。研究基于患者肌肉活检中强烈的 II 型干扰素(IFNγ)信号及 JAK/STAT 通路激活机制。数据可用于了解该试验的设计与背景信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:散发性包涵体肌炎。一项 II/III 期随机、双盲、安慰剂对照、多中心研究,旨在确定 Ruxolitinib 治疗包涵体肌炎(IBM)受试者的疗效和安全性。IBM 是 45 岁以上最常见的特发性免疫性肌病(IIM),病理特征为肌肉内炎症与退行性改变并存。它与其他 IIM 的不同之处在于其慢性演变过程和对常见免疫调节药物的难治性,导致显著残疾和生活质量差。对 IBM 患者肌肉活检的组织学和分子分析显示强烈的肌肉 II 型干扰素(IFNγ)特征,比其他 IIM 中观察到的更强。体外和体内实验研究表明,IFNγ 通过激活 JAK/STAT 通路发挥肌抑制效应,模拟退行性
【主题与分类】
主题标签:Inclusion Body Myositis, Sporadic。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06536166
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/NCT06536166
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:散发性包涵体肌炎。一项II/III期随机、双盲、安慰剂对照、多中心研究,旨在确定鲁索替尼治疗包涵体肌炎(IBM)受试者的疗效和安全性。IBM是45岁以上最常见的特发性免疫性肌病(IIM),其病理特征为肌肉内炎症与退行性改变并存。它与其他IIM的不同之处在于其慢性演变过程和对常用免疫调节药物的难治性,导致显著残疾和生活质量低下。对IBM患者肌肉活检的组织学和分子分析显示,存在强烈的肌肉II型干扰素(IFNγ)特征,比其他IIM中所观察到的更为强烈。体外和体内实验研究表明,IFNγ通过激活JAK/STAT通路发挥肌抑制作用,模拟了IBM中所观察到的退行性特征,而这些效应可被JAK抑制剂鲁索替尼所阻止。假设/目的:鲁索替尼可能是IBM的有效疗法。目的是评估其在IBM中的治疗效果。
方法:比较性、多中心、随机、平行组、优效性、安慰剂对照、双盲、2期试验。60例能够行走至少6分钟的IBM患者将被随机分为两组(每组30例),并在1年内接受ruxolitinib 15mg每日两次或安慰剂治疗。评估包括6MWT、肌力量化、功能量表、呼吸功能测试和肌肉MRI。
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。




