PDC-APB 的安全性、耐受性与皮肤反应性研究

该数据集来自 clinicaltrials.gov,主题为接触性皮炎,收录一项关于 PDC-APB 的随机、双盲、安慰剂对照、单次递增剂量研究

Hapten Sciences, Inc.Hapten Sciences, Inc.
clinicaltrials
浏览 9
其他分类Contact Dermatitis
A Safety, Tolerability, and Dermal Reactogenicity Study of PDC-APB

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-12

资源简介

PDC-APB 的安全性、耐受性与皮肤反应性研究

该数据集来自 clinicaltrials.gov,主题为接触性皮炎,收录一项关于 PDC-APB 的随机、双盲、安慰剂对照、单次递增剂量研究。研究对象为对漆酚敏感的受试者,通过肌内注射给药,评估 PDC-APB 相比安慰剂的安全性、耐受性和皮肤反应性。研究预计在连续队列中考察最多 4 个剂量水平(5.0 mg、10 mg、15 mg、20 mg PDC-APB),每个队列入组 8 名受试者,其中 6 名随机接受活性治疗、2 名接受安慰剂。可用于接触性皮炎相关安全性评价与剂量递增研究的数据参考(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):适应症:接触性皮炎。这是一项随机、双盲、安慰剂对照、单次递增剂量研究,旨在评估通过肌内(IM)注射给予 PDC-APB 相比安慰剂,在对漆酚敏感的受试者中的安全性、耐受性和皮肤反应性。在本研究中,预计将在连续队列中研究最多 4 个剂量水平(5.0 mg、10 mg、15 mg 和 20 mg PDC-APB)。每个队列将入组 8 名受试者,以双盲方式将 6 名受试者随机分配至活性治疗组,2 名随机分配至安慰剂组。在开始下一更高剂量水平的治疗前,将在每个队列中评估安全性。如果研究治疗可耐受且未发现需要停止研究的情况,则下一队列将以相同方式在下一更高剂量水平接受治疗。此过程将持续至达到最高预期剂量。

【主题与分类】

主题标签:Contact Dermatitis。本站分类:皮肤疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04853823

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/NCT04853823

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

适应症:接触性皮炎。这是一项随机、双盲、安慰剂对照、单次剂量递增研究,旨在评估对漆酚敏感的受试者通过肌内注射PDC-APB与安慰剂相比的安全性、耐受性和皮肤反应原性。在本研究中,预计将在连续队列中研究最多4个剂量水平(5.0 mg、10 mg、15 mg和20 mg PDC-APB)。每个队列将入组8名受试者,以双盲方式将6名受试者随机分配至活性治疗组,2名随机分配至安慰剂组。在开始下一更高剂量水平的治疗前,将评估每个队列的安全性。如果研究治疗耐受且未发现需要停止研究的情况,则下一队列将以相同方式接受下一更高剂量水平的治疗。此过程将持续进行,直至达到最高预期剂量,或观察到限制进一步剂量递增的副作用。

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