BX004治疗CF患者慢性铜绿假单胞菌肺部感染的研究

该数据集来自clinicaltrials.gov,收录一项针对囊性纤维化(CF)合并慢性铜绿假单胞菌(PsA)肺部感染受试者的随机、双盲、安慰剂对照、多中心研究

BiomX LtdBiomX Ltd
clinicaltrials
浏览 9
其他分类Chronic Pseudomonas Aeruginosa InfectionCystic Fibrosis (CF)
Study With Phage for CF Subjects With Pseudomonas Lung Infection

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-14

资源简介

BX004治疗CF患者慢性铜绿假单胞菌肺部感染的研究

该数据集来自clinicaltrials.gov,收录一项针对囊性纤维化(CF)合并慢性铜绿假单胞菌(PsA)肺部感染受试者的随机、双盲、安慰剂对照、多中心研究。研究评估BX004能否降低CF受试者痰液中的PsA负荷,次要终点包括肺功能与生活质量改善、痰PsA减少、痰培养转阴以及安全性和耐受性。受试者为临床稳定的确诊CF且慢性PsA肺部感染者,并接受6个月给药后安全性随访,由CF Foundation的数据安全监查委员会监查安全性。可用于呼吸系统疾病治疗与临床试验相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:慢性铜绿假单胞菌感染、囊性纤维化(CF)。这是一项随机、双盲、安慰剂对照、多中心研究,旨在评估BX004在伴有慢性PsA肺部感染的CF受试者中的效果。研究的主要目的是评估BX004是否能降低伴有慢性PsA肺部感染的CF受试者痰液中的PsA负荷。次要终点是观察BX004在改善肺功能和生活质量、减少痰液中PsA数量、使痰培养PsA转阴以及安全性和耐受性方面的效果。将入组确诊为CF且伴有慢性PsA肺部感染的临床稳定CF受试者。受试者将纳入为期6个月的给药后安全性随访。CF Foundation的数据安全监查委员会将监查安全性。

【主题与分类】

主题标签:Chronic Pseudomonas Aeruginosa Infection、Cystic Fibrosis (CF)。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06998043

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06998043

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:慢性铜绿假单胞菌感染,囊性纤维化(CF)。这是一项随机、双盲、安慰剂对照、多中心研究,旨在评估BX004在伴有慢性PsA肺部感染的CF受试者中的效果。本研究的主要目的是评估BX004是否能减少伴有慢性PsA肺部感染的CF受试者痰液中的PsA负荷。次要终点是观察BX004在改善肺功能和生活质量、减少痰液中PsA数量、使痰培养PsA转阴方面的效果,以及安全性和耐受性。将招募临床稳定的、确诊为CF且伴有慢性PsA肺部感染的CF受试者。受试者将纳入为期6个月的给药后安全性随访。囊性纤维化基金会的数据安全监查委员会将负责监查安全性。

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。

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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。