评估皮下注射Amlitelimab治疗12岁及以上中重度特应性皮炎有效性与安全性的研究
源站描述显示这是一项平行组、III期、多国、多中心、随机、双盲、安慰剂对照的三臂研究,用于治疗确诊为中重度特应性皮炎且局部治疗应答不足的受试者,受试者在背景局部糖皮质激素(TCS)和/或局部钙调神经磷酸酶抑制剂(TCI)基础上接受Amlitelimab皮下注射或安慰剂

基本信息
资源简介
评估皮下注射Amlitelimab治疗12岁及以上中重度特应性皮炎有效性与安全性的研究
该数据集来自clinicaltrials.gov,主题为特应性皮炎(Dermatitis Atopic),属于皮肤疾病范畴。源站描述显示这是一项平行组、III期、多国、多中心、随机、双盲、安慰剂对照的三臂研究,用于治疗确诊为中重度特应性皮炎且局部治疗应答不足的受试者,受试者在背景局部糖皮质激素(TCS)和/或局部钙调神经磷酸酶抑制剂(TCI)基础上接受Amlitelimab皮下注射或安慰剂。研究目的是评估Amlitelimab溶液皮下注射对比安慰剂在中重度特应性皮炎患者中的有效性与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:特应性皮炎。这是一项平行组、III期、多国、多中心、随机、双盲、安慰剂对照的三臂研究,用于治疗确诊为中重度特应性皮炎(AD)且局部治疗应答不足的受试者,受试者在背景局部糖皮质激素(TCS)和/或局部钙调神经磷酸酶抑制剂(TCI)基础上接受治疗。本研究的目的是评估Amlitelimab溶液皮下(SC)注射对比安慰剂在中重度AD且年龄在12岁及以上、在背景TCS和/或TCI基础上接受治疗的受试者中的有效性与安全性。研究详情包括:在治疗期结束时,受试者将有机会进入一项单独的研究:盲法扩展研究EFC17600(ESTUARY)。对于未进入盲法扩展研究EFC17600(ESTUARY)的受试者,研究持续
【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/NCT06224348
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。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT06224348
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:特应性皮炎。这是一项平行组、3期、多国、多中心、随机、双盲、安慰剂对照、三臂研究,用于治疗被诊断为中度至重度特应性皮炎(AD)且局部治疗应答不充分、正在接受背景局部糖皮质激素(TCS)和/或局部钙调神经磷酸酶抑制剂(TCI)治疗的受试者。本研究的目的是评估在中度至重度AD且年龄12岁及以上、正在接受背景TCS和/或TCI治疗的受试者中,使用amlitelimab溶液皮下注射(SC)治疗与安慰剂相比的有效性和安全性。研究详情包括:在治疗期结束时,受试者可选择进入一项单独的研究:盲法扩展研究EFC17600(ESTUARY)。对于未进入盲法扩展研究EFC17600(ESTUARY)的受试者,研究持续时间将长达44周,包括2至4周筛选期、24周随机双盲期和16周安全性随访期。
对于进入盲法扩展研究EFC17600(ESTUARY)的参与者,研究持续时间将长达28周,包括2至4周的筛选期和24周的双盲随机治疗期。总治疗时间将长达24周。总访视次数将多达10次(对于进入盲法扩展研究EFC17600(ESTUARY)的参与者,则为9次访视)。
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。




