Lebrikizumab 治疗后的皮肤真菌与微生物组变化
该数据集来自 clinicaltrials.gov,聚焦特应性皮炎(AD)患者在接受生物制剂 Lebrikizumab 治疗期间皮肤微生物组与真菌组的变化

基本信息
资源简介
Lebrikizumab 治疗后的皮肤真菌与微生物组变化
该数据集来自 clinicaltrials.gov,聚焦特应性皮炎(AD)患者在接受生物制剂 Lebrikizumab 治疗期间皮肤微生物组与真菌组的变化。Lebrikizumab 是一种高亲和力单克隆抗体,选择性靶向 interleukin-13,其对皮肤微生态的影响此前尚未被研究。研究主要终点为皮肤细菌与真菌种群多样性的量化与特征描述,次要目标为探讨微生态变化与 AD 客观及主观临床改善之间的相关性,客观改善采用经验证的疾病评估工具,主观改善采用患者报告结局。数据可用于研究皮肤微生态与 AD 治疗反应的关系(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。研究假设:Lebrikizumab 改变皮肤微生物组与真菌组。主要目标:观察在接受 Lebrikizumab(一种新近可用的生物制剂,用于成人中重度特应性皮炎(AD)患者)治疗期间皮肤微生物组与真菌组的变化。Lebrikizumab 是一种高亲和力单克隆抗体,选择性靶向 interleukin-13;其对皮肤微生物组和真菌组的影响此前尚未被研究。主要终点:皮肤上细菌和真菌种群多样性的量化与特征描述。次要目标:研究皮肤微生物组与真菌组的变化与 AD 客观及主观临床改善之间的相关性,客观及主观改善通过经验证的疾病评估工具和患者报告结局测量。客观改善将使用 Eczema Area
【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/NCT07807228
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/NCT07807228
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。研究假设:Lebrikizumab改变皮肤微生物组和真菌组。主要目的:观察使用lebrikizumab治疗期间皮肤微生物组和真菌组的变化,lebrikizumab是一种新可用的生物制剂,用于成人中重度特应性皮炎(AD)患者。Lebrikizumab是一种高亲和力单克隆抗体,选择性靶向白细胞介素-13;其对角质层微生物组和真菌组的影响此前尚未被研究。主要终点:定量和表征皮肤上细菌和真菌种群的多样性。次要目的:研究皮肤微生物组和真菌组的变化与AD客观和主观临床改善之间的相关性,通过经过验证的疾病评估工具和患者报告结局进行测量。客观改善将使用湿疹面积和严重程度指数(EASI)、改良总病变症状评分(mTLSS)以及受累体表面积(BSA)进行测量。
主观患者报告结局将采用皮肤病生活质量指数(DLQI)、瘙痒数字评定量表(Pruritus NRS)、睡眠数字评定量表(Sleep NRS)和患者导向湿疹测量量表(POEM)进行评估。本研究关于微生物组和真菌组的发现,将与既往针对其他特应性皮炎治疗方法(包括局部治疗和生物制剂)的微生物组和真菌组研究结果进行比较。次要终点:皮肤表面细菌和真菌种群多样性的量化与特征描述,及其与特应性皮炎症状的相关性。
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。




