Amlitelimab在中重度特应性皮炎既往临床试验参与者中的长期安全性与疗效评估
该数据集来自clinicaltrials.gov,收录一项关于Amlitelimab的开放标签2/3期长期扩展研究,研究对象为既往参加过Amlitelimab中重度特应性皮炎临床试验的参与者

基本信息
资源简介
Amlitelimab在中重度特应性皮炎既往临床试验参与者中的长期安全性与疗效评估
该数据集来自clinicaltrials.gov,收录一项关于Amlitelimab的开放标签2/3期长期扩展研究,研究对象为既往参加过Amlitelimab中重度特应性皮炎临床试验的参与者。研究旨在评估Amlitelimab在已接受治疗的中重度特应性皮炎患者中的安全性和疗效,治疗期每4周访视一次。来自EFC17599和EFC17600的应答者及通过筛选入组的DRI17366应答者将在LTS17367基线进入停药期以监测疗效持久性,若复发则恢复治疗。数据可用于长期安全性、疗效持久性及复发预测等分析(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。这是一项开放标签、2期/3期、长期扩展研究,用于治疗既往参加过Amlitelimab中重度特应性皮炎临床试验的参与者。本研究的目的是表征Amlitelimab在既往入组过Amlitelimab临床试验、接受治疗的中重度特应性皮炎(AD)参与者中的安全性和疗效。所有参与者在治疗期间将每4周进行一次访视。从EFC17599和EFC17600滚动入组的应答者参与者,以及通过筛选从DRI17366入组的应答者参与者,将在LTS17367基线访视时进入药物撤停期(不给予药物),以监测治疗应答的持久性。如果这些应答者参与者在LTS17367期间复发,将恢复治疗。无应答者参与者
【主题与分类】
主题标签:Dermatitis Atopic。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05492578
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/NCT05492578
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:特应性皮炎。这是一项开放标签、2期/3期、长期扩展研究,用于治疗既往参加过amlitelimab临床试验的中重度特应性皮炎受试者。本研究的目的是描述amlitelimab在既往参加过amlitelimab临床试验的中重度特应性皮炎(AD)受试者中的安全性和有效性。所有受试者在治疗期间将每4周进行一次访视。从EFC17599和EFC17600滚动进入的应答者受试者,以及通过DRI17366筛选入组的应答者受试者,将在LTS17367基线访视时进入停药期(不给予药物),以监测治疗应答的持久性。如果这些应答者受试者在LTS17367期间复发,将恢复治疗。从EFC17599或EFC17600滚动进入的非应答者受试者,以及通过DRI17366筛选入组的非应答者受试者,将从LTS17367基线开始接受治疗给药。从DRI17366、SFY17915和INT18404滚动进入的受试者也将从LTS17367基线开始接受治疗给药。
在适用的情况下,允许以远程访视配合居家给药的方式进行研究药物给药。在远程访视配合居家给药的情况下,受试者或照护者可在接受适当培训后自行给药。或者,如有需要,并根据研究者的判断,可进行由医疗专业人员协助的居家访视或到研究中心进行的研究药物给药访视。若受试者在LTS17367期间永久停用amlitelimab,将自末次amlitelimab给药起进行至少140天的安全性随访。
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。




