关于两种研究药物(PF-07275315 和 PF-07264660)治疗中重度特应性皮炎的研究
源站描述显示,这是一项关于两种研究药物 PF-07275315 和 PF-07264660 治疗中重度特应性皮炎的安全性及效果的研究,研究对象为 18 岁及以上、确诊特应性皮炎至少 6 个月、外用药物疗效不佳且被医生判定为中重度的参与者

基本信息
资源简介
关于两种研究药物(PF-07275315 和 PF-07264660)治疗中重度特应性皮炎的研究
该数据集来自 clinicaltrials.gov,主题为特应性皮炎(Atopic Dermatitis),属于皮肤疾病分类。源站描述显示,这是一项关于两种研究药物 PF-07275315 和 PF-07264660 治疗中重度特应性皮炎的安全性及效果的研究,研究对象为 18 岁及以上、确诊特应性皮炎至少 6 个月、外用药物疗效不佳且被医生判定为中重度的参与者。研究分为多个阶段,涉及不同药物或安慰剂的分配。数据可用于了解该临床试验的设计、入组条件与阶段安排,支持相关疾病领域的分析与研究(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 2 种研究药物(PF-07275315 和 PF-07264660)用于治疗特应性皮炎(AD)的安全性和效果。AD 是一种由皮肤反应引起的长期瘙痒性红色皮疹。本研究正在寻找符合以下条件的参与者: 年龄为 18 岁或以上。 至少在 6 个月前被确诊患有 AD。 用于治疗 AD 的皮肤涂抹药物未产生有效治疗结果。 被其医生认为患有中重度 AD。在研究第 1 阶段,参与者将接受 PF-07275315 或 PF-07264660 或安慰剂。第 1 阶段已完成。在研究第 2 阶段,参与者将接受 PF-07275315 或安慰剂。在研究第 3 阶段,已接受抗炎蛋白的参与者将接受 PF-07275315 或安慰剂。在研究第 4 阶段,参与
【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/NCT05995964
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/NCT05995964
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。本研究旨在了解2种研究药物(PF-07275315和PF-07264660)用于治疗特应性皮炎(AD)的安全性和效果。AD是一种由皮肤反应引起的长期瘙痒性红色皮疹。本研究正在招募符合以下条件的参与者:* 年龄在18岁或以上。* 至少在6个月前被确诊患有AD。* 用于治疗AD的外用药物未能产生有效治疗结果。* 被其医生认为患有中度至重度AD。在研究第1阶段,参与者将接受PF-07275315或PF-07264660或安慰剂。第1阶段已完成。在研究第2阶段,参与者将接受PF-07275315或安慰剂。在研究第3阶段,已接受抗炎蛋白的参与者将接受PF-07275315或安慰剂。在研究第4阶段,参与者将接受PF-07264660或安慰剂。安慰剂不含任何药物,但外观与研究中的药物完全相同。PF-07275315或PF-07264660或安慰剂将在每个阶段期间在诊所通过多次注射给药。
接受PF-07275315或PF-07264660的人的体验将与未接受这些药物的人进行比较。这将有助于确定PF-07275315和PF-07264660是否安全有效。第1、2和4阶段的参与者将参与本研究长达40周(10个月)。第3阶段的参与者将参与本研究长达52周(13个月)。
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。




