Dupilumab 对比安慰剂治疗 Netherton 综合征患者的疗效与安全性初步研究

该数据集来自 clinicaltrials.gov,聚焦 Netherton 综合征(NS)患者,属于皮肤与结缔组织疾病下的遗传性皮肤病

University Hospital, ToulouseUniversity Hospital, Toulouse
clinicaltrials
浏览 20
其他分类Netherton Syndrome
A Pilot Study of the Efficacy and Safety of Dupilumab Versus Placebo in Patients With Netherton Syndrome

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-07

资源简介

Dupilumab 对比安慰剂治疗 Netherton 综合征患者的疗效与安全性初步研究

该数据集来自 clinicaltrials.gov,聚焦 Netherton 综合征(NS)患者,属于皮肤与结缔组织疾病下的遗传性皮肤病。研究为概念验证性(初步)双盲随机安慰剂对照试验,评估 dupilumab 治疗 NS 的疗效与安全性。患者按 2:1 比例随机分配,基线接受 dupilumab(2 剂 300 mg)或安慰剂,随后每 2 周接受 1 剂 dupilumab 300 mg 或安慰剂,直至第 14 周,共 8 次给药。入选者为中重度 NS,以便测量皮肤状况改善。该数据可用于了解 dupilumab 在罕见遗传性皮肤病中的试验设计与疗效安全性评估(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Netherton 综合征。这是一项概念验证性(初步)双盲随机安慰剂对照研究,评估 dupilumab 治疗 NS 的疗效与安全性。患者将按 2:1 比例随机分配,在基线接受 dupilumab(2 剂 300 mg)或安慰剂,随后每 2 周接受 1 剂 dupilumab 300 mg 或安慰剂,直至第 14 周(共 8 次给药)。选择中重度 NS 以便能够测量皮肤状况的改善。

【主题与分类】

主题标签:Netherton Syndrome。本站分类:皮肤与结缔组织疾病/遗传性皮肤病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04244006

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/NCT04244006

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

疾病:Netherton综合征。这是一项概念验证(试点)双盲随机安慰剂对照研究,评估dupilumab治疗NS的有效性和安全性。患者将按2:1的比例随机分配,在基线时接受dupilumab(2剂300 mg)或安慰剂,随后每2周接受1剂dupilumab 300 mg或安慰剂,直至第14周(共8次给药)。选择中重度NS患者,以便能够测量皮肤状况的改善。

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