受试配方治疗3种来源面部色素沉着3个月后的疗效与耐受性
该数据集来自 clinicaltrials.gov,主题为面部色素沉着的疗效与耐受性研究。研究采用开放、单中心、三臂设计,评估一种新化妆品配方在正常使用条件下对面部色素沉着的作用,并进行使用前后比较

基本信息
资源简介
受试配方治疗3种来源面部色素沉着3个月后的疗效与耐受性
该数据集来自 clinicaltrials.gov,主题为面部色素沉着的疗效与耐受性研究。研究采用开放、单中心、三臂设计,评估一种新化妆品配方在正常使用条件下对面部色素沉着的作用,并进行使用前后比较。适应症为 Hyperpigmentation,涵盖炎症后色素沉着、黄褐斑和日光性黑子等典型色素沉着障碍。试验遵循方案、赫尔辛基宣言(1964)及其后续修订,以及国际人用药品注册技术协调会(ICH)药物临床试验质量管理规范。数据可用于色素沉着障碍相关疗效与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:色素沉着。色素沉着是一种常见的皮肤状况,表现为皮肤颜色变深。这些变化源于黑色素生成、分布或转运过多,可由多种内部或外部因素引起,如遗传易感性、激素变化、炎症、痤疮、紫外线(UV)暴露。典型的色素沉着障碍包括炎症后色素沉着、黄褐斑和日光性黑子。这项开放、单中心、三臂研究使用一种新开发的化妆品配方进行,该配方旨在作用于面部色素沉着,并在正常使用条件下使用,进行使用前后比较。本临床试验按照方案、赫尔辛基宣言(1964)及其后续修订,和/或国际人用药品注册技术协调会(ICH)药物临床试验质量管理规范进行。
【主题与分类】
主题标签:Hyperpigmentation。本站分类:皮肤与结缔组织疾病/色素沉着障碍。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06253455
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/NCT06253455
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:色素沉着。色素沉着是一种常见的皮肤状况,表现为皮肤颜色变深。这些变化源于黑色素产生、分布或运输过多,可能由多种内外因素引起,如遗传倾向、激素变化、炎症、痤疮、紫外线(UV)暴露。典型的色素沉着障碍包括炎症后色素沉着、黄褐斑和日光性黑子。这项开放、单中心、三臂研究采用了一种新开发的化妆品配方,旨在作用于面部色素沉着,并在正常使用条件下进行前后对比。本临床试验按照方案、赫尔辛基宣言(1964年)及其后续修正案,以及/或国际协调会议(ICH)良好临床实践(GCP)进行,并符合适用的监管要求。统计分析:* 疗效分析:在各组中,定量参数将采用混合效应模型进行分析。该模型将时间和基线作为固定效应,患者作为随机效应加入。
无论交互作用结果如何,将使用Dunnett校正进行基线后时间点与基线的比较。比较的自由度将采用Kenward-Roger方法近似。* 安全性分析:不对安全性进行统计分析。数据将以描述性方式呈现。分类数据将使用各分类中患者的数量和百分比进行汇总。连续数据将使用算术均值、标准差(SD)、Q1、Q3、最小值、中位数和最大值进行汇总。关于样本量的确定,未进行正式计算。每组24例患者被认为足以达到研究目的。
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。




