重度特应性皮炎患者换用Abrocitinib的观察性研究
该数据集来自clinicaltrials.gov,为一项观察性研究,关注既往接受过获批用于特应性皮炎的先进疗法、现换用abrocitinib(100 mg或200 mg)的重度特应性皮炎成人患者

基本信息
资源简介
重度特应性皮炎患者换用Abrocitinib的观察性研究
该数据集来自clinicaltrials.gov,为一项观察性研究,关注既往接受过获批用于特应性皮炎的先进疗法、现换用abrocitinib(100 mg或200 mg)的重度特应性皮炎成人患者。研究旨在了解abrocitinib在真实临床诊疗中的效果,受试者由皮肤科医生决定用药,所有参与者均按常规医疗接受研究药物。数据可用于描述换药人群特征、支持真实世界用药与疗效分析(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。本观察性研究的目的是了解研究药物(称为abrocitinib)用于治疗重度特应性皮炎患者的效果,这些患者此前已从被称为“先进”疗法的既往新型疗法转换而来。特应性皮炎是一种长期皮肤疾病,会导致皮肤发炎、干燥和瘙痒。本研究正在招募符合以下条件的参与者: 年龄18岁或以上; 患有重度特应性皮炎; 既往接受过获批用于特应性皮炎的先进疗法,并正在换用abrocitinib(100 mg或200 mg); 针对其特应性皮炎已接受的获批先进疗法不超过两种。所有参与者都将作为其常规医疗的一部分接受研究药物abrocitinib。给予研究药物的决定由其皮肤科医生做出。该决定
【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/NCT07887867
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/NCT07887867
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
疾病:特应性皮炎。本观察性研究旨在了解研究药物(称为abrocitinib)用于治疗重度特应性皮炎患者的效果,这些患者此前曾接受过被称为“先进”疗法的新型治疗并已转换治疗。特应性皮炎是一种长期存在的皮肤疾病,会导致皮肤发炎、干燥和瘙痒。本研究正在招募符合以下条件的参与者:* 年龄18岁或以上;* 患有重度特应性皮炎;* 此前曾接受过获批用于特应性皮炎的先进疗法治疗,现正转换为abrocitinib(100 mg或200 mg)治疗;* 针对其特应性皮炎,已接受的获批先进疗法不超过两种。所有参与者都将作为其常规医疗护理的一部分接受研究药物abrocitinib。是否给予研究药物由参与者的皮肤科医生决定。该决定独立于是否参与本研究。abrocitinib将按照主治医生的处方,在家中每日一次口服。我们将观察接受abrocitinib治疗的患者在开始用药后长达一年内的体验。
我们将回顾他们开始服用阿布昔替尼之前最多6个月的信息。这将有助于我们了解阿布昔替尼对曾从其他已获批先进疗法转换过来的重度特应性皮炎患者的影响。参与者将参加本研究1年。在此期间,他们大约会有5次访视。这些访视是其常规诊疗的一部分。在访视期间,医生将评估特应性皮炎的严重程度。参与者可能会被询问有关其症状以及该疾病如何影响其日常生活的问题。除正常临床实践外,本研究不要求额外的门诊访视、检查或操作。
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。




