Ritlecitinib治疗6至12岁重度斑秃儿童研究
该数据集来自clinicaltrials.gov,记录了一项评估Ritlecitinib在6至12岁重度斑秃儿童中疗效与安全性的临床研究

基本信息
资源简介
Ritlecitinib治疗6至12岁重度斑秃儿童研究
该数据集来自clinicaltrials.gov,记录了一项评估Ritlecitinib在6至12岁重度斑秃儿童中疗效与安全性的临床研究。研究设3个治疗组,包括两个Ritlecitinib剂量组和一个安慰剂组,主要目标是评估药物促进头皮毛发再生的效果,次要目标涵盖安全性、耐受性、可接受性、适口性及患者中心结局。参与者接受24周研究药物治疗,至少纳入225名参与者。数据可用于了解儿童重度斑秃的临床试验设计、治疗分组与评估指标(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:重度斑秃。研究B7981027旨在评估ritlecitinib在6至<12岁重度斑秃儿科参与者中的疗效和安全性。本研究的主要目标是比较ritlecitinib与安慰剂在重度斑秃儿科参与者中促进丢失头皮毛发再生的疗效。次要目标是评估ritlecitinib的安全性、耐受性、可接受性和适口性,并评估ritlecitinib对患者中心结局的影响。本研究将设3个治疗组,包括2个ritlecitinib剂量水平(较高和较低剂量)和1个安慰剂组。参与者在获得知情同意/赞同(如适用)后,将在筛选访视时接受研究资格评估。参与者将接受为期24周的研究药物治疗。至少225名参与者将
【主题与分类】
主题标签:Severe Alopecia Areata。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07029711
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/NCT07029711
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:重度斑秃。研究B7981027旨在评估ritlecitinib在6至<12岁重度AA儿科受试者中的疗效和安全性。本研究的主要目的是评估ritlecitinib与安慰剂相比在重度AA儿科受试者中促进脱失头皮毛发再生的疗效。次要目的是评估ritlecitinib的安全性、耐受性、可接受性和适口性,并评估ritlecitinib对以患者为中心结局的影响。本研究将设3个治疗组,包括2个ritlecitinib剂量水平(较高剂量和较低剂量)和1个安慰剂组。在获得知情同意/赞同(如适用)后,受试者将在筛选访视时接受研究资格评估。受试者将接受为期24周的研究药物。本研究将至少入组225名受试者。至少30%的总研究人群将从欧洲招募。疗效评估包括斑秃严重程度工具(SALT)、眉毛和睫毛评估。
患者报告结局指标包括患者总体变化印象(PGI-C)、斑秃患者优先结局指标(AAPPO)、患者报告结局测量信息系统(PROMIS)家长代理版-焦虑简表8a和抑郁症状简表6a、执行功能行为评定量表®第二版(BRIEF®2)以及改良儿童皮肤病生活质量指数(CDLQI),将在整个研究过程中进行评估。ritlecitinib的药代动力学将通过稀疏采样进行评估。将进行安全性监测,以识别和监测ritlecitinib的已知和潜在风险。完成本研究24周治疗期的参与者,若符合入选标准,可选择进入长期扩展(LTE)研究B7981028。完成本研究24周治疗期但不符合LTE研究资格的参与者将接受为期4周的
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。




