评估BBI-2000治疗和预防接触性皮炎的安全性和有效性
该数据集来自clinicaltrials.gov,主题为接触性皮炎,属于皮肤疾病/其他分类。源站描述了一项双队列(Cohort A和B)、单中心、随机对照研究,旨在评估BBI-2000预防(Cohort A)和治疗(Cohort B)迟发型超敏反应(DTH)的安全性和有效性

基本信息
资源简介
评估BBI-2000治疗和预防接触性皮炎的安全性和有效性
该数据集来自clinicaltrials.gov,主题为接触性皮炎,属于皮肤疾病/其他分类。源站描述了一项双队列(Cohort A和B)、单中心、随机对照研究,旨在评估BBI-2000预防(Cohort A)和治疗(Cohort B)迟发型超敏反应(DTH)的安全性和有效性。Cohort A先接受BBI-2000或赋形剂预处理,再用Diphencyprone(DPCP)经Finn chamber给药并评估预防效果;Cohort B先致敏再激发DTH反应,随后分别用BBI-2000、赋形剂或不处理。数据可用于接触性皮炎预防与治疗相关的分类或疗效评估研究(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。这项双队列(Cohort A和B)单中心、随机、对照研究正在开展,以评估BBI-2000用于预防(Cohort A)和治疗(Cohort B)迟发型超敏反应(DTH)的安全性和有效性。Cohort A的受试者将首先在背部某一区域接受BBI-2000或赋形剂预处理。随后,通过Finn chamber将Diphencyprone(DPCP)施用于背部同一区域。然后评估该处理区域,以确定BBI-2000是否能有效预防接触性超敏反应。Cohort B将首先如Cohort A一样用DPCP致敏。随后对背部指定区域进行激发以引发DTH反应。激发后,受试者背部指定区域将接受(A)BBI-2000、(B)赋形剂、(C)无局部应用
【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/NCT03089775
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/NCT03089775
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。这项分为两个队列(队列A和队列B)的单中心、随机、对照研究正在进行,以评估BBI-2000在预防(队列A)和治疗(队列B)迟发型超敏反应(DTH)中的安全性和有效性。队列A的受试者最初将在背部某一区域接受BBI-2000或赋形剂预处理。随后,将通过Finn chamber将二苯环丙烯酮(DPCP)施用于背部同一区域。然后评估处理区域,以确定BBI-2000是否有效预防了接触性超敏反应。队列B将首先如队列A一样用DPCP致敏。随后,将对背部指定区域进行激发以诱发DTH反应。激发后,受试者背部的指定区域将接受以下处理之一:(A) BBI-2000,(B) 赋形剂,© 不进行局部涂抹,或 (D) 丙酸氯倍他索。将通过监测接触性超敏反应区域的反应来评估BBI-2000的有效性。
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。
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。




