一项评估皮下注射Amlitelimab联合背景外用皮质类固醇治疗对既往生物制剂或口服JAK抑制剂应答不佳的12岁及以上中重度特应性皮炎患者疗效和安全性的研究
该数据集来自clinicaltrials.gov，收录一项关于Amlitelimab治疗特应性皮炎的III期临床试验信息
基本信息
资源简介
一项评估皮下注射Amlitelimab联合背景外用皮质类固醇治疗对既往生物制剂或口服JAK抑制剂应答不佳的12岁及以上中重度特应性皮炎患者疗效和安全性的研究
该数据集来自clinicaltrials.gov，收录一项关于Amlitelimab治疗特应性皮炎的III期临床试验信息。研究针对12岁及以上中重度特应性皮炎患者，这些患者在接受背景外用糖皮质激素治疗的同时，对既往生物制剂或口服JAK抑制剂治疗应答不足。试验采用平行分组、多国多中心、随机、双盲、安慰剂对照的三臂设计，旨在评估Amlitelimab皮下注射溶液的疗效与安全性。治疗期结束后，受试者可选择进入长期安全性研究LTS17367（RIVER-AD）。未进入长期安全性研究的受试者研究持续时间最长56周。数据可用于了解该药物在特定难治人群中的临床试验设计与评价指标（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。这是一项平行分组、III期、多国、多中心、随机、双盲、安慰剂对照的三臂研究，用于治疗在接受背景外用糖皮质激素（TCS）治疗且对既往生物制剂或口服JAK抑制剂（JAKi）治疗应答不足的、诊断为中度至重度特应性皮炎（AD）的受试者。本研究的目的是测量在接受背景TCS治疗且对既往生物制剂或口服JAKi治疗应答不足的12岁及以上中度至重度AD受试者中，使用Amlitelimab溶液皮下注射（SC）与安慰剂相比的疗效和安全性。研究详情包括：在治疗期结束时，受试者将可以选择进入长期安全性研究LTS17367（RIVER-AD）。未进入长期安全性研究（LTS17367 [RIVER-AD]）的受试者研究持续时间最长56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/NCT06241118
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/NCT06241118
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、三臂研究，用于治疗已确诊为中重度AD、正在接受背景TCS治疗且对既往生物制剂或口服JAKi治疗应答不足的受试者。本研究的目的是评估Amlitelimab注射液（皮下注射）与安慰剂相比，在12岁及以上、正在接受背景TCS治疗且对既往生物制剂或口服JAKi治疗应答不足的中重度AD受试者中的疗效和安全性。研究详情包括：在治疗期结束时，受试者将可选择进入长期安全性研究LTS17367（RIVER-AD）。未进入长期安全性研究（LTS17367 [RIVER-AD]）的受试者，研究持续时间最长可达56周，包括2至4周筛选期、36周随机双盲期和16周安全性随访期。
参与长期安全性研究（LTS17367 [RIVER-AD]）的受试者，研究持续时间最长可达40周，包括2至4周的筛选期和36周的随机双盲期。总治疗持续时间最长可达36周。总访视次数最多可达13次（对于进入长期安全性研究LTS17367 [RIVER-AD]的受试者，则为12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。
