TBAJ-587在健康成人中的安全性、耐受性和PK评价
该数据集来自clinicaltrials.gov,主题为肺结核,收录一项在健康成人中评价TBAJ-587安全性、耐受性和药代动力学(PK)的临床试验

基本信息
资源简介
TBAJ-587在健康成人中的安全性、耐受性和PK评价
该数据集来自clinicaltrials.gov,主题为肺结核,收录一项在健康成人中评价TBAJ-587安全性、耐受性和药代动力学(PK)的临床试验。试验分两部分:第一部分为部分盲法、安慰剂对照的单次递增剂量(SAD)试验,含食物效应队列,计划最多6个剂量水平;第二部分为多次递增剂量(MAD)试验,在欧洲一个试验中心开展。数据可用于了解该候选药物的剂量递增设计、食物效应评估及安全性/PK采样安排(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:肺结核。这是一项分为两部分、部分盲法、安慰剂对照的联合单次递增剂量(SAD)试验(含食物效应队列,第1部分)和多次递增剂量(MAD)试验(第2部分),将在欧洲的一个试验中心开展。第1部分:采用单次递增剂量(SAD)设计,计划最多6个剂量水平,并在其中一个剂量水平设置食物效应队列。首个SAD队列将分为2组。一个由两名参与者组成的哨兵组(1名活性药、1名安慰剂)将至少提前72小时给药,之后其余6名参与者(5名活性药、1名安慰剂)给药。其他队列不分组。其他剂量水平队列:安全性和PK样本采集的时间安排将基于从先前队列收集的PK数据。食物效应队列:根据先前SAD队列的暴露水平,计划队列之一和特定剂量
【主题与分类】
主题标签:Tuberculosis。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04890535
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/NCT04890535
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
适应症:结核病。这是一项分为两部分、部分盲法、安慰剂对照的联合单次递增剂量(SAD)试验,包含食物效应队列(第1部分)和多次递增剂量(MAD)试验(第2部分),将在欧洲的一个试验中心开展。第1部分:采用单次递增剂量(SAD)设计,计划最多6个剂量水平,并在其中一个剂量水平设置食物效应队列。首个SAD队列将分为2组。一个由两名受试者组成的哨兵组(1名活性药物,1名安慰剂)将比其余6名受试者(5名活性药物,1名安慰剂)至少提前72小时给药。其他队列不进行分组。其他剂量水平队列:安全性和PK样本采集的时间安排将基于从先前队列收集的PK数据。食物效应队列:根据先前SAD队列的暴露水平,将从计划队列中选择一个队列及特定剂量用于食物效应(FE)队列,该队列将研究高热量、高脂肪餐后对PK的影响。
将额外招募参与者,使空腹组达到总共9名活跃参与者(包括先前已给药参与者),并将在进食给药组额外招募9名活跃参与者。注:是否进入下一队列的决定将基于剂量递增会议(DEM)作出,该会议将在第7天PK特征及约14天的安全性数据获得后召开,具体取决于PK分析所需时间。EC将被告知DEM的结果,下一队列将在EC批准后开始。DEM的PK和安全性数据收集的时间安排和持续时间可能会根据在试验第1部分初始队列中获得的PK和安全性信息进行修订。这些PK和安全性数据也可能影响第1部分和第2部分其余队列的PK采集/采样及安全性评估的时间安排。参与者将继续接受监测以
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。




