剂量分块随机、安慰剂对照（双盲）、活性对照（开放标签）、剂量递增研究
该数据集来源于clinicaltrials.gov，收录一项剂量分块随机、安慰剂对照（双盲）、活性对照（开放标签）、剂量递增研究，涉及健康志愿者，本站分类为皮肤与结缔组织疾病下的慢性荨麻疹
基本信息
资源简介
剂量分块随机、安慰剂对照（双盲）、活性对照（开放标签）、剂量递增研究
该数据集来源于 clinicaltrials.gov，收录一项剂量分块随机、安慰剂对照（双盲）、活性对照（开放标签）、剂量递增研究，涉及健康志愿者。按照本站分类，该数据集归属于皮肤与结缔组织疾病下的慢性荨麻疹。研究设计同时包含双盲安慰剂对照与开放标签活性对照两种设置，并采用剂量分块随机化和剂量递增方式，受试人群为健康志愿者。数据集的主题标签为健康志愿者。整体来看，该数据集围绕一项在健康志愿者中开展的剂量递增临床试验，提供与该研究相关的注册与描述信息，可用于了解该试验的基本设计特征、研究条件与相关背景说明。
【数据集背景】
该数据集对应的研究为一项剂量分块随机、安慰剂对照（双盲）、活性对照（开放标签）、剂量递增研究。研究条件为健康志愿者。源站描述提到，HL2351 延长的体内半衰期预期可基于有效浓度的持续维持而提供改善的治疗效力。源站描述还提到，一项安全性关切可能通过使用 IL-1Ra 以及 Fc 融合技术得到解决，其中 IL-1Ra 已在获得 EMA 和美国 FDA 批准后使用，并已知相对安全，而 Fc 融合技术已被应用于多种治疗药物。本站将该数据集分类于皮肤与结缔组织疾病下的慢性荨麻疹。
【数据内容】
该数据集收录的内容与上述临床试验相关，涉及的研究条件为健康志愿者，主题标签为健康志愿者。研究设计涵盖剂量分块随机、安慰剂对照（双盲）、活性对照（开放标签）以及剂量递增等要素。源站描述中提及 HL2351 延长的体内半衰期、有效浓度的持续维持、改善的治疗效力、IL-1Ra、EMA 和美国 FDA 批准、相对安全、Fc 融合技术以及多种治疗药物等背景信息。除上述内容外，源站未提供更多关于具体数据字段、受试者数量、剂量水平、终点指标或统计结果的信息。
【采集与来源】
该数据集来源于 clinicaltrials.gov。其源站描述包含研究条件为健康志愿者，并包含关于 HL2351、IL-1Ra、Fc 融合技术及相关监管批准背景的说明。本站分类为皮肤与结缔组织疾病 / 慢性荨麻疹。除来源站为 clinicaltrials.gov 以及上述源站描述外，源站未提供关于采集方式、采集时间、更新频率或数据提取流程的更多信息。
【适用场景】
基于现有信息，该数据集可用于了解一项在健康志愿者中开展的剂量分块随机、安慰剂对照（双盲）、活性对照（开放标签）、剂量递增研究的基本设计与背景。其主题标签为健康志愿者，本站分类为皮肤与结缔组织疾病下的慢性荨麻疹，因此也可用于与该分类相关的信息组织与检索场景。源站描述中关于 HL2351 延长体内半衰期、有效浓度持续维持、改善治疗效力、IL-1Ra、EMA 和美国 FDA 批准、相对安全以及 Fc 融合技术的说明，可作为理解该研究背景的参考。除上述用途外，源站未提供关于具体适用场景的更多说明。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT02175056
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
条件：健康志愿者。* 预期HL2351延长的体内半衰期还能通过持续维持有效浓度，提供改善的治疗效果。* 通过利用已获得EMA和美国FDA批准并已知相对安全的IL-1Ra，以及已应用于多种治疗药物的Fc融合技术，可能解决安全性问题。
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。
