甲硝唑2%凝胶与克林霉素1%凝胶治疗中度寻常痤疮
本数据集来自 clinicaltrials.gov,主题为甲硝唑2%凝胶与克林霉素1%凝胶治疗中度寻常痤疮的随机对照试验

基本信息
资源简介
甲硝唑2%凝胶与克林霉素1%凝胶治疗中度寻常痤疮
本数据集来自 clinicaltrials.gov,主题为甲硝唑2%凝胶与克林霉素1%凝胶治疗中度寻常痤疮的随机对照试验。研究在巴基斯坦卡拉奇 Jinnah Postgraduate Medical Centre (JPMC) 皮肤科开展,纳入18-35岁、mGAGS评分45-80且未使用其他抗痤疮疗法的成人患者,排除妊娠哺乳、重度痤疮、药物过敏及面部其他皮肤病者,按1:1区组随机分配至两组。数据可用于比较两种凝胶的疗效与安全性,支持痤疮治疗相关的临床研究与分类分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:寻常痤疮。这是一项由研究者发起的平行组随机对照试验(RCT),在卡拉奇 Jinnah Postgraduate Medical Centre (JPMC) 皮肤科开展。在获得机构审查委员会(IRB)和巴基斯坦内外科医师学院(CPSP)批准后,将采用非概率连续抽样纳入18-35岁、经改良全球痤疮分级系统(mGAGS)评分45-80定义的中度寻常痤疮、且未使用其他抗痤疮疗法的成人。排除妊娠或哺乳、重度痤疮(mGAGS >80)、已知对甲硝唑或克林霉素过敏、或患有其他影响面部的皮肤病的参与者。参与者将采用区组随机化按1:1分配接受甲硝唑2%凝胶或克林霉素1%凝胶。
【主题与分类】
主题标签:Acne Vulgaris。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07392047
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/NCT07392047
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:寻常痤疮。这是一项由研究者发起的、平行组随机对照试验(RCT),在卡拉奇真纳研究生医学中心(JPMC)皮肤科开展。在获得机构审查委员会(IRB)和巴基斯坦内外科医师学院(CPSP)批准后,将采用非概率连续抽样纳入18-35岁、患有中度寻常痤疮(定义为改良全球痤疮分级系统(mGAGS)评分为45-80分)且未使用其他抗痤疮治疗的成年人。排除标准为:妊娠或哺乳期、重度痤疮(mGAGS >80)、已知对甲硝唑或克林霉素过敏,或患有其他影响面部的皮肤疾病。参与者将按1:1分配,采用区组随机化接受甲硝唑2%凝胶或克林霉素1%凝胶。分配的治疗将在温和清洁并擦干面部后,每日两次(早晚)薄涂,持续12周。干预期间不鼓励合并使用抗痤疮产品。随访评估将在第4周、第8周和第12周进行。
每次访视时,将使用mGAGS评估痤疮严重程度,并通过记录局部不良反应(包括红斑、瘙痒、干燥、灼烧或刺激)来评价耐受性。主要终点是第12周的治疗反应,定义为mGAGS总评分较基线降低≥50%。参与者将被分为应答者(降低≥50%)和无应答者(降低<50%)。数据将使用Statistical Package for the Social Sciences(SPSS)26版进行分析。分类结局将采用卡方检验或Fisher精确检验进行比较,连续变量将根据数据分布采用独立样本t检验或Mann-Whitney U检验进行比较。分层分析将探讨年龄和性别对效应的修饰作用。双侧p值≤0.05将被视为具有统计学意义。
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。




