T.R.U.E. TEST® Panel 3.2 过敏原临床评价:剂量反应
每種过敏原纳入 20 名有接触性皮炎临床病史且对相应参考过敏原斑贴试验阳性的成年受试者。主要终点包括确定在 70-90% 敏感受试者中引发阳性皮肤反应的最低浓度、统计各过敏原及测试浓度的阳性、阴性、可疑与刺激反应频率,以及与对应参考凡士林过敏原的一致性/不一致性;次要终点为安全性评价(来源 clin

基本信息
资源简介
T.R.U.E. TEST® Panel 3.2 过敏原临床评价:剂量反应
本数据集来自 clinicaltrials.gov,聚焦接触性皮炎,评估 T.R.U.E. TEST® Panel 3.2 中 Disperse blue 106 与 Bronopol 两种过敏原的诊断性能与安全性。每種过敏原纳入 20 名有接触性皮炎临床病史且对相应参考过敏原斑贴试验阳性的成年受试者。主要终点包括确定在 70-90% 敏感受试者中引发阳性皮肤反应的最低浓度、统计各过敏原及测试浓度的阳性、阴性、可疑与刺激反应频率,以及与对应参考凡士林过敏原的一致性/不一致性;次要终点为安全性评价(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:接触性皮炎。主要终点:在每种过敏原 20 名有接触性皮炎临床病史且对相应参考过敏原斑贴试验阳性的成年受试者中,评估 Disperse blue 106 和 Bronopol T.R.U.E. Test 过敏原的诊断性能。评估将包括: 确定在 70-90% 敏感受试者中引发阳性皮肤反应(+1 或 +2)的最低浓度。 每种过敏原及测试浓度的阳性、阴性、可疑和刺激反应频率。* 与相应参考凡士林过敏原相比的一致性/不一致性。次要终点:在每种过敏原 20 名有接触性皮炎临床病史且对相应参考过敏原斑贴试验阳性的成年受试者中,评估 Disperse blue 106 和 Bronopol T.R.U.E. Test 过敏原的安全性。评估将
【主题与分类】
主题标签:Contact Dermatitis。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00640250
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/NCT00640250
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:接触性皮炎。主要终点:在每种过敏原20名有接触性皮炎临床病史且对相应参考过敏原斑贴试验阳性的成年受试者中,评估分散蓝106和溴硝丙二醇T.R.U.E. Test过敏原的诊断性能。评估将包括:* 确定在70-90%敏感受试者中引起阳性皮肤反应(+1或+2)的最低浓度。* 每种过敏原及各测试浓度的阳性、阴性、可疑和刺激性反应频率。* 与相应参考凡士林过敏原相比的一致性/不一致性。次要终点:在每种过敏原20名有接触性皮炎临床病史且对相应参考过敏原斑贴试验阳性的成年受试者中,评估分散蓝106和溴硝丙二醇T.R.U.E. Test过敏原的安全性。评估将包括:* 测试部位胶带引起的刺激、贴片不完全粘附以及受试者报告瘙痒或烧灼感的频率。* 不良事件和严重不良事件的频率及特征。
- 迟发和/或持续性反应的发生频率及特征。
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。




