Dupilumab治疗肥胖中重度特应性皮炎患者的疗效与耐受性补充表I

该数据集以临床表格形式提供了dupilumab治疗肥胖中重度特应性皮炎患者期间的不良事件数据，记录了药物在随访期内的安全性和耐受性信息，主要用于评估该药物在特定人群中的疗效与副作用，支持特应性皮炎治疗优化、药物安全性分析以及肥胖相关合并症的研究。

Mendeley Data

2024-03-27 更新

药物疗效特应性皮炎

Supplementary Table I: Efficacy and Tolerance of Dupilumab in Obese Patients with Moderate-to-Severe Atopic Dermatitis (Dupuis et al)

基本信息

大小

0.000125788 GB

创建/更新时间

2024-03-27

版本

资源简介

Dupilumab治疗肥胖中重度特应性皮炎患者的疗效与耐受性补充表I

【数据集背景】

本数据集源站标题为《Supplementary table I- Efficacy and tolerance of dupilumab in obese patients with moderate-to-severe atopic dermatitis. Dupuis et al》。源站首次发布：2023-12-18。

【数据内容】

源站原始描述：Supplementary Table I: Adverse events during the follow-up period in patients treated with dupilumab

【数据结构与技术规格】

文件数 1 个，合计 125.79 KB。数据集 DOI：10.17632/d23bwhdnkh.1。

【获取与许可】

源站页面：https://data.mendeley.com/datasets/d23bwhdnkh

原始链接

https://data.mendeley.com/datasets/d23bwhdnkh

访问原始数据

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://data.mendeley.com/datasets/d23bwhdnkh

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。

数据说明

该数据集是一项关于dupilumab（一种单克隆抗体药物）在肥胖中重度特应性皮炎患者中应用的医学研究补充表。它主要包含患者在随访期间发生的不良事件数据，记录了药物使用的安全性和耐受性情况。数据来源于临床研究，以表格形式呈现，可用于评估dupilumab在特定人群中的疗效与副作用，支持特应性皮炎治疗、药物安全性和肥胖合并症方向的医学研究。

数据加载示例（表格/文本类）

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))