面部黄褐斑基线皮肤镜血管评分与口服氨甲环酸应答
该数据集来自 clinicaltrials.gov 的一项前瞻性、单中心、单臂介入研究,针对面部黄褐斑,评估研究定义的皮肤镜血管评分与口服氨甲环酸应答之间的关系

基本信息
资源简介
面部黄褐斑基线皮肤镜血管评分与口服氨甲环酸应答
该数据集来自 clinicaltrials.gov 的一项前瞻性、单中心、单臂介入研究,针对面部黄褐斑,评估研究定义的皮肤镜血管评分与口服氨甲环酸应答之间的关系。研究在额部、右颧、左颧、下巴四个受累区域对红斑和毛细血管扩张进行0-3级评分,总分0-12,并在每次访视时由不知晓血管评分的皮肤科医生评定mMASI。样本量基于精度计算,102名完整数据参与者可使调整后相关性的95%置信区间总宽度为0.40,计划招募128人。数据可用于探索皮肤镜血管评分作为黄褐斑治疗应答预后因素的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:黄褐斑。设计:前瞻性、单中心、单臂介入研究,含预后因素评估。暴露:研究定义的皮肤镜血管评分。在每个受累面部区域(额部、右颧、左颧、下巴),于色素最密集区域选取一个视野,对红斑和毛细血管扩张血管进行0-3级评分,总分为0-12(当评分区域少于四个时按比例折算)。皮肤镜检查使用DermLite DL4,偏振接触模式,施加最小或无压力,在去除化妆品和防晒霜并休息5分钟后进行。结局评估:每次访视时由不知晓血管评分的皮肤科医生评定mMASI;在基线和第12周时,mMASI在皮肤镜检查之前完成。样本量:基于精度。102名完整数据参与者可使调整后相关性的95%置信区间总宽度为0.40;将招募128人
【主题与分类】
主题标签:Melasma。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07881328
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/NCT07881328
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:黄褐斑。设计:前瞻性、单中心、单臂干预性研究,并进行预后因素评估。暴露:研究定义的皮肤镜血管评分。在每个受累面部区域(额头、右侧颧部、左侧颧部、下巴),于色素最密集区域选择一个视野,对红斑和毛细血管扩张血管进行0-3级评分,总分为0-12分(当评分区域少于四个时按比例折算)。皮肤镜检查使用DermLite DL4,采用偏振接触模式,施加最小压力或不施加压力,在去除化妆品和防晒霜并休息5分钟后进行。结局评估:每次访视时由一名对血管评分不知情的皮肤科医生进行mMASI评分;在基线和第12周时,mMASI评分在皮肤镜检查之前完成。样本量:基于精确度。102名数据完整的参与者可使校正后相关性的95%置信区间总宽度为0.40;将招募128名参与者以允许20%的不可评估率。分析:以第12周mMASI为因变量,对基线血管评分进行多重线性回归,并校正基线mMASI、黄褐斑病程、年龄和Fitzpatrick皮肤类型。
第12周缺失的结果数据将采用多重插补法处理,并进行预设的敏感性分析,包括对既往外用糖皮质激素使用情况进行校正。观察者间信度将通过存储的前40名参与者基线图像的组内相关系数进行评估。安全性方面:对参与者进行血栓栓塞风险评估,并提供书面的停止并就诊指导。若mMASI较基线升高25%或以上,则提供补救治疗。严重不良事件将报告至伦理审查委员会。
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。




