新发肺结核患者含莫西沙星四个月每日方案研究
该数据集来自 clinicaltrials.gov,聚焦新发涂阳肺结核患者,研究含莫西沙星的4个月每日方案(2HRZEM7/2HRM7)

基本信息
资源简介
新发肺结核患者含莫西沙星四个月每日方案研究
该数据集来自 clinicaltrials.gov,聚焦新发涂阳肺结核患者,研究含莫西沙星的4个月每日方案(2HRZEM7/2HRM7)。源站描述显示,该方案在321例患者中开展随机临床试验,强化期末痰培养转阴率94%,治疗末良好应答率92%,复发率4.1%,方案安全且耐受良好,疗程缩短33%具有多方面优势。数据可用于肺结核短程治疗方案的疗效与安全性分析,以及治疗转归相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肺结核。科学依据:ICMR-NIRT的含莫西沙星4个月每日方案(2HRZEM7/2HRM7)在321例涂阳肺结核患者中进行了随机临床试验研究。7在这321例中,96%的患者痰涂片分级为2+/3+,80%的患者胸部X线显示病变累及超过2个肺野。强化期末痰培养转阴率为94%,治疗末良好应答率为92%,结核复发率为4.1%。该方案安全且耐受良好。疗程缩短33%的优势在财务和其他管理层面是多方面的。作为下一个合乎逻辑的步骤,研究者认为,在我们研究中被证明成功的缩短方案的有效性需要在现场进行测试。在NTEP下,抗结核药物以固定剂量复方制剂提供。
【主题与分类】
主题标签:Tuberculosis, Pulmonary。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/NCT05047055
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/NCT05047055
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:肺结核。科学依据:ICMR-NIRT含莫西沙星的4个月每日方案(2HRZEM 7/2HRM7)在一项随机临床试验中对321例痰涂片阳性肺结核患者进行了研究。7在这321例患者中,96%的患者痰涂片分级为2+/3+,80%的患者胸部X线片显示病变累及超过2个肺野。强化期结束时痰培养阴转率为94%,治疗结束时良好反应率为92%,结核复发率为4.1%。该方案安全且耐受性良好。疗程缩短33%的优势在财务和其他管理影响方面是多方面的。作为下一个合乎逻辑的步骤,研究者认为,这项在我们研究中被证明成功的缩短方案的有效性需要在现场进行验证。在NTEP下,抗结核药物以固定剂量复合制剂(FDC)形式提供。HREZ强化期和HRE继续期FDC根据患者体重分类给予患者。
如果我们提出的研究证明成功,在结核病规划环境下,在强化期和继续期将莫西沙星片加入抗结核药物固定剂量复合制剂(FDC)将是可行的。研究者建议评估含莫西沙星的4个月每日方案[2个月HRZEM每日/2个月HREM每日(2 HRZEM 7 / 2HREM7)]用于治疗新诊断的涂片阳性肺结核患者。目标:主要目标:确定在NTEP下接受含莫西沙星4个月每日方案治疗的微生物学确诊新发肺结核(PTB)患者中的无结核复发治愈率。次要目标:1. 确定含莫西沙星4个月每日方案的不良药物反应(ADR)2. 确定对含莫西沙星4个月每日方案的治疗反应3. 储存结核复发患者培养分离株的配对样本,以供未来基因分型。研究地点:Na
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。




