PDE4 抑制在脂溢性皮炎与丘疹脓疱型玫瑰痤疮中的研究
该数据集来自 clinicaltrials.gov,聚焦脂溢性皮炎(SD)与丘疹脓疱型玫瑰痤疮(PPR)中 PDE4 抑制相关研究

基本信息
资源简介
PDE4 抑制在脂溢性皮炎与丘疹脓疱型玫瑰痤疮中的研究
该数据集来自 clinicaltrials.gov,聚焦脂溢性皮炎(SD)与丘疹脓疱型玫瑰痤疮(PPR)中 PDE4 抑制相关研究。数据覆盖受试者筛选与基线访视流程,包括既往及当前病史、家族史、用药回顾、既往外用治疗回顾,以及 SD 的临床评分、IGA、PP-NRS 和 PPR 的炎症性皮损计数、IGA、PP-NRS 等临床评估。可用于分析两种皮肤疾病的临床特征、评估指标与治疗相关结局,支持临床研究设计与疗效预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:脂溢性皮炎、丘疹脓疱型玫瑰痤疮。在提供知情同意后,所有受试者将接受研究资格评估,包括审查受试者过去和当前的医疗状况、家族病史以及详细审查过去和当前的用药。受试者还将接受对 SD 或 PPR 既往外用治疗/疗法的审查,以及临床评估(SD:临床 SD 评分、IGA、峰值瘙痒数字评定量表 [PP-NRS];PPR:炎症性皮损计数、IGA、PP-NRS)。符合入选标准的受试者可以继续进行基线访视(第 0 周),或可安排在筛选访视后 28 天内返回进行基线访视。在基线/第 0 周,受试者将接受临床评估(SD:临床 SD 严重程度评分、IGA、PP-NRS;PPR:炎症性皮损计数、IGA、PP-NRS),审查合并用药
【主题与分类】
主题标签:Seborrheic Dermatitis、Papulopustular Rosacea。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06013371
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/NCT06013371
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
适应症:脂溢性皮炎、丘疹脓疱型玫瑰痤疮。在提供知情同意后,所有受试者将接受研究资格评估,包括审查受试者过去和当前的医疗状况、家族病史以及详细回顾过去和当前的用药情况。受试者还将接受针对SD或PPR的既往局部治疗/疗法的回顾,以及临床评估(SD:临床SD评分、IGA、峰值瘙痒数值评定量表[PP-NRS];PPR:炎性皮损计数、IGA、PP-NRS)。符合入选标准的受试者可继续进行基线访视(第0周),或可安排在筛选访视后28天内返回进行基线访视。在基线/第0周,受试者将接受临床评估(SD:临床SD严重程度评分、IGA、PP-NRS;PPR:炎性皮损计数、IGA、PP-NRS)、合并用药审查、标准化临床摄影以及皮肤病生活质量指数(DLQI)问卷。后续临床评估包括标准化临床摄影和问卷填写,将在第4周、第8周和第12周的随访访视中进行。
将在基线(面部皮损区和非皮损区皮肤)、第4周(面部皮损区皮肤)、第8周(面部皮损区皮肤)和第12周(面部皮损区皮肤)采集皮肤胶带剥离样本用于机制研究(详见下文)。此外,将在基线和第8周(或提前终止时,以先发生者为准)采集并储存额外血样,以备未来可能的机制分析之用。
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。




