Tilrekimig治疗中重度湿疹的研究
本数据集来源于clinicaltrials.gov,收录一项关于研究药物Tilrekimig治疗中重度特应性皮炎(湿疹)的临床试验信息

基本信息
资源简介
Tilrekimig治疗中重度湿疹的研究
本数据集来源于clinicaltrials.gov,收录一项关于研究药物Tilrekimig治疗中重度特应性皮炎(湿疹)的临床试验信息。该研究面向12岁及以上、确诊特应性皮炎至少12个月、外用药物疗效不佳且经医生评估为中重度的成人和青少年受试者,旨在评估Tilrekimig的疗效、安全性及对身体的影响。研究治疗期为52周,前24周随机分配至Tilrekimig、Dupilumab或安慰剂组。数据可用于了解该适应症临床试验设计、受试者条件及治疗分组等信息(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。本研究的目的是了解tilrekimig在患有中重度特应性皮炎(湿疹)的成人和青少年中的疗效、安全性以及它对身体的影响。湿疹是一种可导致皮肤干燥、瘙痒和发红的疾病。本研究正在招募符合以下条件的参与者: 年龄在12岁或以上。 至少在12个月前被确诊患有特应性皮炎(AD)。 用于治疗AD的涂抹于皮肤的药物的治疗效果不佳。 被其医生认为患有中重度AD。研究治疗期为52周。在24周的初始治疗期内,参与者将被随机分配至三种研究治疗之一——tilrekimig、dupilumab或安慰剂。安慰剂不含任何药物,但外观与正在研究的药物相同。这些治疗
【主题与分类】
主题标签:Atopic Dermatitis。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07783425
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/NCT07783425
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。本研究旨在了解tilrekimig对患有中重度特应性皮炎(湿疹)的成人和青少年的疗效、安全性及对身体的影响。湿疹是一种可导致皮肤干燥、瘙痒和发红的疾病。本研究正在招募符合以下条件的参与者:* 年龄在12岁或以上。* 至少在12个月前被确诊患有特应性皮炎(AD)。* 使用外用药物治疗AD未能获得有效结果。* 经医生判定患有中重度AD。研究治疗期为52周。在为期24周的初始治疗期间,参与者将被随机分配至三种研究治疗之一——tilrekimig、dupilumab或安慰剂。安慰剂不含任何药物,但外观与所研究的药物完全相同。这些治疗将按2:2:1的比例进行随机分配。这意味着在1375名参与者中,约550名参与者将接受tilrekimig,550名将接受dupilumab,275名将接受安慰剂。随后将进入为期28周的维持期。
研究治疗的最后一剂将在第48周给药。部分受试者将在第52周加入长期扩展(LTE)研究C4531008。长期扩展研究是一项附加研究,部分受试者在完成本研究后,如果有兴趣且符合入选条件,可能有机会加入。该研究使研究人员能够继续收集有关研究药物疗效的信息,也有助于评估长期使用时的安全性。未加入该研究的受试者将进入为期12周的安全性随访期。该随访期在受试者接受最后一剂研究治疗后16周结束。
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。




