评估皮下注射Amlitelimab在12岁及以上中重度特应性皮炎患者中安全性与疗效的开放标签长期研究

该数据集来自 clinicaltrials.gov,收录一项针对中重度特应性皮炎(AD)的开放标签、单臂长期研究,受试者为 12 岁及以上人群,治疗药物为皮下注射 amlitelimab

SanofiSanofi
clinicaltrials
浏览 8
其他Dermatitis Atopic
Open Label, Long-term Study Evaluating Safety and Efficacy of Subcutaneous Amlitelimab in Participants Aged 12 Years and Older With Moderate to Severe Atopic Dermatitis

基本信息

模态
其他
创建/更新时间
2026-10-09

资源简介

评估皮下注射Amlitelimab在12岁及以上中重度特应性皮炎患者中安全性与疗效的开放标签长期研究

该数据集来自 clinicaltrials.gov,收录一项针对中重度特应性皮炎(AD)的开放标签、单臂长期研究,受试者为 12 岁及以上人群,治疗药物为皮下注射 amlitelimab。研究主要目的是评估该药在已治疗受试者中的长期安全性与疗效。每位受试者研究周期最长 284 周,包括 2 至 4 周筛选期、最长 268 周开放标签治疗期以及末次给药后至少 20 周的安全性随访期,计划访视 35 次。数据可用于特应性皮炎长期治疗安全性、疗效及用药随访相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:特应性皮炎。这是一项单组、单臂、长期安全性研究,用于治疗中重度特应性皮炎(AD)受试者。本研究的目的是描述 amlitelimab 在年龄≥12 岁、患有中重度 AD 的已治疗受试者中的长期安全性和疗效。每位受试者的研究持续时间最长可达 284 周,包括: 最长 2 至 4 周的筛选期 最长 268 周(约 5 年)的开放标签治疗期 * 末次给药后至少 20 周的治疗后安全性随访期(末次 IMP 给药在第 264 周)计划访视次数为 35 次。

【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/NCT05769777

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT05769777

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:特应性皮炎。这是一项单组、单臂、长期安全性研究,用于治疗中度至重度特应性皮炎(AD)受试者。本研究的目的是描述amlitelimab在年龄≥12岁、患有中度至重度AD的受治受试者中的长期安全性和有效性。每名受试者的研究持续时间最长可达284周,包括:* 最长2至4周的筛选期 * 最长268周(约5年)的开放标签治疗期 * 末次给药后至少20周的治疗后安全性随访期(末次IMP给药为第264周)计划访视次数为35次。

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。