Nemolizumab治疗中重度特应性皮炎成人与青少年免疫应答研究

该数据集来自clinicaltrials.gov,记录了一项针对中重度特应性皮炎(AD)成人与青少年(≥12至54岁)的随机、双盲、安慰剂对照、多中心、平行组研究

Galderma R&DGalderma R&D
clinicaltrials
浏览 10
其他预测Dermatitis, Atopic
A Study to Assess Immunization Responses in Adult and Adolescent Participants With Moderate-to-Severe Atopic Dermatitis Treated With Nemolizumab

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-09

资源简介

Nemolizumab治疗中重度特应性皮炎成人与青少年免疫应答研究

该数据集来自clinicaltrials.gov,记录了一项针对中重度特应性皮炎(AD)成人与青少年(≥12至54岁)的随机、双盲、安慰剂对照、多中心、平行组研究。受试者需有外用AD药物应答不足的病史,约200人按1:1随机接受30 mg nemolizumab(含60 mg负荷剂量)或安慰剂,并按基线IGA评分(3分中度、4分重度)分层。研究包含2至4周筛选期、16周治疗期和8周随访期。数据可用于评估该人群的免疫应答及药物疗效相关预测建模(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:特应性皮炎。这是一项随机、双盲、安慰剂对照、多中心、平行组研究,受试者为患有中重度AD的成人和青少年(≥12至54岁)。符合条件的受试者必须具有外用AD药物应答不足的书面病史。约200名受试者按1:1随机分配,接受30 mg nemolizumab(含60 mg负荷剂量)或安慰剂,并按基线疾病严重程度研究者整体评估(IGA)(IGA=3,中度;IGA=4,重度)分层。研究包括2至4周筛选期、16周治疗期和8周随访期(末次研究药物注射后12周)。

【主题与分类】

主题标签:Dermatitis, Atopic。本站分类:皮肤疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04365387

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT04365387

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:特应性皮炎。这是一项随机、双盲、安慰剂对照、多中心、平行组研究,受试者为患有中重度特应性皮炎的成人和青少年(≥12至54岁)。符合条件的受试者必须有局部特应性皮炎药物治疗反应不足的明确病史。约200名受试者按1:1随机分配接受30 mg nemolizumab(伴60 mg负荷剂量)或安慰剂,并根据基线疾病严重程度研究者整体评估(IGA)(IGA=3,中度;IGA=4,重度)进行分层。该研究包括2至4周的筛选期、16周的治疗期和8周的随访期(末次研究药物注射后12周)。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。