Tirbanibulin 面部大面积应用相关结局研究(美国,CLEAR)

该数据集来自 clinicaltrials.gov,主题为 Tirbanibulin 在美国用于面部大面积应用的相关结局(CLEAR)

Avant Health LLCAvant Health LLC
clinicaltrials
浏览 9
文本预测Actinic Keratosis (AK)
Outcomes Associated With Tirbanibulin for Large Field Application on the Face in the U.S (CLEAR)

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-07

资源简介

Tirbanibulin 面部大面积应用相关结局研究(美国,CLEAR)

该数据集来自 clinicaltrials.gov,主题为 Tirbanibulin 在美国用于面部大面积应用的相关结局(CLEAR)。研究对象为已按常规医疗接受 Tirbanibulin 治疗的成人日光性角化病(AK)面部病灶患者,采用观察性设计,在 57 天观察期内通过在线问卷收集数据。主要关注 Tirbanibulin 如何改善患者皮肤整体外观、皮肤观感与皮肤质地。数据可用于评估该药物在真实世界面部大面积应用中的效果与患者报告结局,属于皮肤与结缔组织疾病/日光性角化病领域(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:日光性角化病(AK)。本观察性研究的目标是了解 Tirbanibulin 在面部患有日光性角化病(AK)病灶的成人受试者中的有效性。其旨在回答的主要问题是:在 57 天的观察期内,Tirbanibulin 如何改善受试者皮肤的整体外观、改善患者皮肤的外观以及改善患者的皮肤质地。已作为 AK 常规医疗的一部分接受 Tirbanibulin 的参与者将在研究开始时和第 57 天回答在线调查问题。

【主题与分类】

主题标签:Actinic Keratosis (AK)。本站分类:皮肤与结缔组织疾病/日光性角化病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07657988

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT07657988

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

条件:光化性角化病(AK)。这项观察性研究旨在了解替巴尼布林在面部光化性角化病(AK)病变的成年受试者中的有效性。其主要旨在回答的问题是:在57天的观察期内,替巴尼布林如何改善受试者皮肤的整体外观、改善患者皮肤的外观以及改善患者的皮肤质地。已将替巴尼布林作为AK常规医疗护理一部分的参与者将在研究开始时和第57天回答在线调查问题。

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。

获取专属数据定制方案