吸入性Molgramostim治疗囊性纤维化合并NTM感染试验
该数据集来自clinicaltrials.gov,为一项在囊性纤维化(CF)合并慢性肺部非结核分枝杆菌(NTM)感染成人受试者中开展的吸入性Molgramostim临床试验

基本信息
资源简介
吸入性Molgramostim治疗囊性纤维化合并NTM感染试验
该数据集来自clinicaltrials.gov,为一项在囊性纤维化(CF)合并慢性肺部非结核分枝杆菌(NTM)感染成人受试者中开展的吸入性Molgramostim临床试验。源站描述涵盖筛选期安排、入组条件及慢性NTM感染的定义,包括筛选前2年内至少3次同种MAC或MABSC阳性培养、筛选前6个月内至少1次阳性、过去2年NTM培养阳性率不低于50%等标准。数据可用于了解该试验的受试者筛选与入组要求,支持呼吸系统疾病相关研究参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:非结核分枝杆菌感染、囊性纤维化(CF)。筛选期将在基线访视前最多10周开始,用于收集痰样本,但包括安全性实验室检查在内的其余评估将在基线前6周内完成,以确定资格。有CF病史和慢性肺部NTM感染的成年参与者将被考虑入组。慢性肺部NTM感染的定义为:在筛选前2年内,至少3次同一菌种/亚种的鸟分枝杆菌(MAC)或脓肿分枝杆菌复合群(MABSC)NTM培养(痰或支气管肺泡灌洗液(BAL))阳性,其中至少1次在筛选前6个月内阳性,且过去2年NTM培养阳性率至少为50%。参与者还必须提供阳性痰培养
【主题与分类】
主题标签:Mycobacterium Infections, Nontuberculous、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/NCT03597347
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/NCT03597347
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
条件:非结核分枝杆菌感染、囊性纤维化(CF)。筛选期将在基线访视前最多10周开始,以收集痰样本,但包括安全性实验室检查在内的其余评估将在基线前6周内完成,以确定合格性。有CF病史且患有慢性肺部NTM感染的成年参与者将被考虑入组。慢性肺部NTM感染的定义为:在筛选前2年内,至少有3次阳性NTM培养(痰或支气管肺泡灌洗液(BAL))为同一菌种/亚种的鸟分枝杆菌(MAC)或脓肿分枝杆菌复合群(MABSC),其中至少1次阳性在筛选前过去6个月内,且过去2年内NTM培养阳性率至少为50%。参与者还必须在筛选期内提供由中心实验室获得的同一菌种/亚种的阳性痰培养结果,方符合入组资格。
将招募三组参与者:* 第1组:患有慢性肺部MAC或MABSC感染的参与者,其目前正在接受基于NTM指南的多药抗分枝杆菌治疗方案,且该方案在基线访视前已持续至少9个月,但在此期间未能持续实现NTM痰培养转阴。* 第2组:患有慢性肺部MAC或MABSC感染的参与者,其痰培养仍为阳性,但因缺乏应答或不耐受,已在筛查前至少28天停止基于NTM指南的多药抗分枝杆菌治疗方案。* 第3组:患有慢性肺部MAC或MABSC感染的参与者,其因不符合美国胸科学会/美国感染病学会(ATS/IDSA)NTM肺病标准(即缺乏影像学表现及超出囊性纤维化(CF)基础疾病预期范围的临床症状),故不符合基于NTM指南的多药抗分枝杆菌治疗建议。所有参与者将接受筛查、基线、第1周、
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。




