口服Roflumilast与病灶内皮质类固醇注射治疗斑秃的疗效与安全性评估
该数据集来自clinicaltrials.gov，聚焦斑秃（Alopecia Areata）治疗领域，记录一项评估口服免疫调节剂Roflumilast与病灶内皮质类固醇注射（ILCs）疗效与安全性的研究
基本信息
资源简介
口服Roflumilast与病灶内皮质类固醇注射治疗斑秃的疗效与安全性评估
该数据集英文名为“Evaluation of the Efficacy and Safety of Oral Roflumilast Versus Intralesional Corticosteroids Injection (ILCs) in the Treatment of Alopecia Areata”，来源于clinicaltrials.gov，聚焦斑秃（Alopecia Areata）治疗领域。数据集记录了一项研究，旨在评估口服免疫调节剂Roflumilast与病灶内皮质类固醇注射（ILCs）在斑秃治疗中的疗效与安全性。源站描述指出，研究涉及的条件为Alopecia与Alopecia Areata，研究将使用口服免疫调节剂Roflumilast，并将其安全性和疗效与病灶内类固醇注射进行比较。该数据集在本站归类于皮肤与结缔组织疾病下的脱发类别，主题标签为Alopecia与Alopecia Areata。
【数据集背景】
斑秃是一种与脱发相关的疾病，本数据集所对应的研究关注其治疗方案的比较评估。源站描述明确，研究拟使用一种名为Roflumilast的口服免疫调节剂，并将其与病灶内皮质类固醇注射（ILCs）进行对照，以考察两者在斑秃治疗中的安全性与疗效。该数据集因此属于皮肤与结缔组织疾病领域中与脱发相关的临床研究资料，主题标签为Alopecia与Alopecia Areata。
【数据内容】
数据集英文名称完整表述了研究主题，即口服Roflumilast与病灶内皮质类固醇注射（ILCs）治疗斑秃的疗效与安全性评估。源站描述提及的研究条件包括Alopecia与Alopecia Areata，研究内容围绕口服免疫调节剂Roflumilast展开，并将其安全性和疗效与病灶内类固醇注射进行比较。除上述研究主题、干预措施比较方向及疾病条件外，源站未提供关于具体数据字段、受试者数量、结局指标或统计结果等更细化的数据内容说明。
【采集与来源】
该数据集来源于clinicaltrials.gov。源站描述说明，研究将评估口服免疫调节剂Roflumilast，并将其安全性和疗效与病灶内类固醇注射在斑秃治疗中的表现进行比较。关于采集时间、采集方式、样本来源机构及具体注册信息等，源站未提供。
【适用场景】
基于现有信息，该数据集可用于了解斑秃治疗领域中口服Roflumilast与病灶内皮质类固醇注射（ILCs）疗效与安全性比较的研究设计方向，适用于皮肤与结缔组织疾病及脱发相关主题的检索与参考。关于更具体的适用场景，如药物经济学评价、系统综述纳入或临床决策支持等，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、文件格式、字段说明或分析操作指引等。
【质量与限制】
源站未提供关于数据质量、完整性、准确性或局限性等方面的说明。现有信息仅涵盖研究主题、疾病条件与干预比较方向，其他质量相关维度无法依据现有信息加以描述。
【引用与许可】
源站未提供该数据集的引用格式或许可条款信息。
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/NCT07174011
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：脱发、斑秃。我们将使用口服免疫调节剂罗氟司特进行评估，并将其安全性和疗效与病灶内注射类固醇治疗斑秃进行比较。
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。
