T.R.U.E. TEST® 临床评估:安全性与有效性
主要终点针对疑似接触性皮炎成人患者及对七种过敏原中至少一种已知或疑似致敏的成人患者,评估各过敏原的性能(有效性),包括 T.R.U.E. Test Panel 3.2 过敏原与其对应凡士林或水基过敏原之间的一致性/不一致性,以及该面板过敏原的敏感性和特异性

基本信息
资源简介
T.R.U.E. TEST® 临床评估:安全性与有效性
该数据集来自 clinicaltrials.gov,主题为接触性皮炎,聚焦 T.R.U.E. TEST® 的临床评估。主要终点针对疑似接触性皮炎成人患者及对七种过敏原中至少一种已知或疑似致敏的成人患者,评估各过敏原的性能(有效性),包括 T.R.U.E. Test Panel 3.2 过敏原与其对应凡士林或水基过敏原之间的一致性/不一致性,以及该面板过敏原的敏感性和特异性。次要终点评估七种 T.R.U.E. Test Panel 3.2 过敏原在成人受试者中的安全性。可用于接触性皮炎过敏原检测相关的分类与评估研究(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:将在疑似接触性皮炎的成人患者中,以及在对七种过敏原中至少一种已知或疑似致敏的成人患者中,评估每种过敏原的性能(有效性)。性能将基于: 计算 T.R.U.E. Test Panel 3.2 过敏原与其对应的凡士林或水基过敏原之间的一致性/不一致性。 计算 T.R.U.E. Test Panel 3.2 过敏原的敏感性和特异性。次要终点:评估七种 T.R.U.E. Test Panel 3.2 过敏原(硫代硫酸金钠、氢化可的松-17-丁酸酯、甲基二溴戊二腈、杆菌肽、小白菊内酯、分散蓝 106 和溴硝丙二醇)在疑似接触性皮炎的成人受试者(“连续病例”)中,和/或在有接触性皮炎临床病史且当前……的成人受试者中的安全性。
【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/NCT00640614
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/NCT00640614
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:将在疑似接触性皮炎的成年患者中,以及在已知或疑似对七种过敏原中至少一种敏感的成年患者中,评估每种过敏原的性能(疗效)。性能将基于:* 计算T.R.U.E. Test Panel 3.2过敏原与其相应的凡士林或水基过敏原之间的一致/不一致性。* 计算T.R.U.E. Test Panel 3.2过敏原的敏感性和特异性。次要终点:评估七种T.R.U.E. Test Panels 3.2过敏原(硫代硫酸金钠、氢化可的松-17-丁酸酯、甲基二溴戊二腈、杆菌肽、小白菊内酯、分散蓝106和溴硝丙二醇)在疑似接触性皮炎的成年受试者(“连续病例”)中和/或在有接触性皮炎临床病史且当前或既往对这7种过敏原中的一种(或多种)斑贴试验呈阳性的成年受试者(“敏感者”)中的安全性。
评估将基于以下方面:* 迟发和/或持续反应的发生频率及特征,测试部位因胶带引起的刺激,贴片不完全附着,以及受试者在测试期间报告的瘙痒或灼烧感。* 不良事件和严重不良事件的发生频率。
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。




