Amlitelimab 皮下注射单药治疗中重度特应性皮炎的有效性与安全性研究
该数据集来自 clinicaltrials.gov,收录一项关于 Amlitelimab 皮下注射单药治疗中重度特应性皮炎(AD)的 III 期临床研究

基本信息
资源简介
Amlitelimab 皮下注射单药治疗中重度特应性皮炎的有效性与安全性研究
该数据集来自 clinicaltrials.gov,收录一项关于 Amlitelimab 皮下注射单药治疗中重度特应性皮炎(AD)的 III 期临床研究。研究对象为 12 岁及以上、经外用处方治疗控制不佳或不适宜此类治疗的中重度 AD 患者,采用平行分组、多国多中心、随机、双盲、安慰剂对照、三臂单药治疗设计,旨在评估 Amlitelimab 溶液皮下注射相较安慰剂的有效性与安全性。治疗期结束后,受试者可选择进入盲法扩展研究 EFC17600(ESTUARY);未进入者研究时长最长约 44 周,含 2 至 4 周筛选期(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:特应性皮炎。这是一项平行分组、III 期、多国、多中心、随机、双盲、安慰剂对照、三臂单药治疗研究,用于治疗被诊断为中度至重度特应性皮炎(AD)且其疾病经外用处方治疗控制不佳或不适宜使用这些治疗的受试者。本研究的目的是测量 Amlitelimab 皮下注射溶液与安慰剂相比,在 12 岁及以上中度至重度 AD 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)。对于不进入盲法扩展研究 EFC17600(ESTUARY)的受试者,研究时长将长达 44 周,包括 2 至 4 周的筛选
【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/NCT06130566
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/NCT06130566
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
适应症: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、三臂单药治疗研究,用于治疗被诊断为中度至重度特应性皮炎(AD)的受试者,这些受试者的疾病经处方局部治疗未能充分控制,或当这些治疗不可取时。本研究的目的是评估阿米特利单抗注射液(SC注射)与安慰剂相比,在中度至重度AD且年龄12岁及以上的受试者中的疗效和安全性。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,研究持续时间将长达44周,包括2至4周的筛选期、24周的随机双盲期和16周的安全性随访期。对于进入盲法扩展研究EFC17600(ESTUARY)的受试者,研究持续时间将长达28周,包括2至4周的筛选期和24周的随机双盲期。
总治疗持续时间最长可达24周。总访视次数最多为10次(对于进入盲法扩展研究EFC17600(ESTUARY)的患者,则为9次)。
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。




