耐利福平结核病全口服精准短程治疗创新:BDLL中国队列
该数据集来自clinicaltrials.gov,为一项在中国青少年和成人(12岁及以上)耐利福平肺结核患者中开展的前瞻性、多中心、单臂、开放标签临床试验,评估含Bedaquiline、Delamanid、Linezolid及Levofloxacin或Clofazimine的6个月全口服BDLLfx

基本信息
资源简介
耐利福平结核病全口服精准短程治疗创新:BDLL中国队列
该数据集来自clinicaltrials.gov,为一项在中国青少年和成人(12岁及以上)耐利福平肺结核患者中开展的前瞻性、多中心、单臂、开放标签临床试验,评估含Bedaquiline、Delamanid、Linezolid及Levofloxacin或Clofazimine的6个月全口服BDLLfxC方案的有效性与安全性。数据可用于耐药结核病治疗方案研究及患者分类分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:耐药结核病、肺结核、耐利福平结核病。这是一项研究性、前瞻性、多中心、单臂、开放标签试验。该临床试验的目标是评估一种6个月全口服方案的有效性和安全性,该方案由Bedaquiline(BDQ,B)、Delamanid(DLM,D)、Linezolid(LZD,L)、Levofloxacin(LFX)或Clofazimine(CFZ,C)组成,即BDLLfxC方案,用于治疗中国青少年和成人(12岁及以上)的耐利福平肺结核(RR-TB)。它旨在回答的主要问题是: BDLLfxC方案治疗中国参与者RR-TB是否有效? BDLLfxC方案在中国RR-TB参与者中是否安全?参与者将服用BDLLfxC方案治疗其RR-TB。除常规临床实践外,不会有额外的医院访视、实验室检查或放射学检查。
【主题与分类】
主题标签:Drug-resistant Tuberculosis、Pulmonary Tuberculosis、Rifampin-resistant 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/NCT06649721
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/NCT06649721
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:耐药结核病、肺结核、利福平耐药结核病。这是一项研究性、前瞻性、多中心、单臂、开放标签试验。本临床试验的目的是评估由贝达喹啉(BDQ,B)、德拉马尼(DLM,D)、利奈唑胺(LZD,L)、左氧氟沙星(LFX)或氯法齐明(CFZ,C)组成的6个月全口服方案,即BDLLfxC方案,用于治疗中国青少年和成人(年龄12岁及以上)利福平耐药肺结核(RR-TB)的有效性和安全性。其主要研究问题为:* BDLLfxC方案治疗中国参与者RR-TB是否有效?* BDLLfxC方案在中国RR-TB参与者中是否安全?参与者将服用BDLLfxC方案治疗其RR-TB。除常规临床实践外,不会有额外的医院访视、实验室检查或影像学检查。
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。




