DPCP治疗斑秃研究数据集
该数据集来自clinicaltrials.gov,收录一项关于专有DPCP软膏组合物作为局部免疫治疗药物治疗广泛性斑秃的开放标签研究

基本信息
资源简介
DPCP治疗斑秃研究数据集
该数据集来自clinicaltrials.gov,收录一项关于专有DPCP软膏组合物作为局部免疫治疗药物治疗广泛性斑秃的开放标签研究。研究计划纳入最多10名头皮脱发76%至99%的受试者,评估其反应、特征、安全性和有效性。受试者通过University of Minnesota Medical Center Dermatology Clinic、National Alopecia Areata Foundation Clinical Trials Network及各类媒体渠道招募。数据可用于斑秃局部免疫治疗的安全性、有效性及受试者特征分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:斑秃。这是一项开放标签研究,旨在确定专有DPCP软膏组合物作为局部免疫治疗药物治疗广泛性斑秃的反应和特征、安全性和有效性。将招募最多10名头皮脱发76%至99%、且经PI判断适合接受DPCP治疗的受试者。患者将从University of Minnesota Medical Center Dermatology Clinic就诊的新老斑秃患者人群中招募,并通过与National Alopecia Areata Foundation Clinical Trials Network的合作以及各类媒体渠道招募。待评估的产品如下: 0.05 mL的0.4% DPCP(致敏剂量)局部涂抹于右上臂内侧。(“致敏与基线样本采集访视”) 0.05
【主题与分类】
主题标签:Alopecia Areata。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03651752
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/NCT03651752
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:斑秃。这是一项开放标签研究,旨在确定专有DPCP软膏组合物作为局部免疫治疗药物治疗广泛性斑秃的反应和特征、安全性和有效性。计划入组最多10名脱发面积占头皮76%至99%、且经主要研究者(PI)判断适合接受DPCP治疗的患者。患者将从明尼苏达大学医学中心皮肤科诊所就诊的新老斑秃患者人群中招募,并通过与National Alopecia Areata Foundation Clinical Trials Network的合作以及各种媒体渠道招募。待评估的产品如下:* 0.05 mL 0.4% DPCP(致敏剂量)局部涂抹于右上臂内侧。(“致敏与基线样本采集访视”)* 0.05 mL DPCP软膏四剂量浓度矩阵(0.1%、0.05%、0.01%、0.005%),通过在非挥发性载剂中稀释制备(涂抹于左上大腿内侧)。
(“剂量确定访视”;致敏访视后10-14天)若10至14天后未达到致敏,该程序将重复一次。受试者将在剂量确定访视后2天返回,以便PI或联合PI评估剂量浓度矩阵。将使用引起最小反应的最弱强度浓度贯穿整个研究。0.75-1克治疗药物将作为治疗药物将由PI、经过培训的研究协调员或明尼苏达大学临床研究部的工作人员施用。符合条件的受试者可在入组和筛查后立即开始接受研究药物。研究预计持续时间为22周。访视时间表见附录A。总共将有42次访视,从筛查访视开始,随后在基线(第-16天)给予单次致敏剂量的研究药物,并进行剂量确定
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。




