评估佐剂与非佐剂H2N3流感疫苗在成人中免疫原性、安全性和耐受性的研究
该数据集来自clinicaltrials.gov，为一项评估MF59佐剂与非佐剂H2N3流感疫苗的Phase 1随机、观察者盲法、剂量探索临床研究
基本信息
资源简介
评估佐剂与非佐剂H2N3流感疫苗在成人中免疫原性、安全性和耐受性的研究
该数据集来自clinicaltrials.gov，为一项评估MF59佐剂与非佐剂H2N3流感疫苗的Phase 1随机、观察者盲法、剂量探索临床研究。约600名健康成人按年龄分层随机分入6个治疗组，每组100人，分别于第1天和第22天接种疫苗，随访约12个月。主要免疫原性分析基于第1、8、22、29、43天血清学数据，主要安全性分析基于每次接种后10天内征集性局部和全身不良事件及非征集性不良事件。数据可用于流感疫苗免疫原性与安全性研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：人流感、感染、呼吸道感染、病毒性疾病、病毒感染。这项Phase 1随机、观察者盲法、剂量探索临床研究正在评估6种不同配方的MF59佐剂和非佐剂H2N3流感疫苗。约600名健康成人受试者将被随机分配到6个可能的治疗组之一，每组100名受试者，按年龄组（1968年后或之前出生）分层。每位受试者将在第1天和第22天接受一次流感疫苗注射。受试者将在第二次疫苗注射后随访约12个月。主要免疫原性分析基于第1天、第8天、第22天、第29天和第43天的血清学数据。主要安全性分析基于每次接种后10天内报告的征集性局部和全身不良事件（AEs）、报告的非征集性AEs
【主题与分类】
主题标签：Influenza, Human、Infections、Respiratory Tract Infections、Virus Diseases、Infection Viral。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT05875961
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/NCT05875961
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：人流感、感染、呼吸道感染、病毒性疾病、病毒感染。本项1期、随机、观察者盲法、剂量探索临床研究正在评估6种不同的MF59佐剂型和非佐剂型H2N3流感疫苗制剂。约600名健康成人受试者将按年龄组（1968年后或1968年前出生）分层，随机分配至6个可能的治疗组之一，每组100名受试者。每名受试者将在第1天和第22天接受一次流感疫苗注射。受试者将在第二次疫苗注射后接受约12个月的随访。主要免疫原性分析基于第1天、第8天、第22天、第29天和第43天的血清学数据。主要安全性分析基于每次接种后10天内报告的可征集局部和全身不良事件（AE）、每次接种后3周内报告的非征集AE，以及在整个研究期间报告的严重不良事件（SAE）、需就医的不良事件（MAAE）、导致退出研究的不良事件和特别关注的不良事件（AESI）。
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。
