光斑贴试验研究(POST Study)
研究主要目标包括:确定欧洲最新推荐光斑贴试验过敏原组合中光过敏与过敏反应的发生频率;在同一个人体内比较 24 小时与 48 小时照射的光斑贴试验结果,以判断哪个时间点更优

基本信息
资源简介
光斑贴试验研究(POST Study)
该数据集来自 clinicaltrials.gov,主题为光变态反应(Photoallergy),对应研究为 Photopatch Test Study(POST Study)。研究主要目标包括:确定欧洲最新推荐光斑贴试验过敏原组合中光过敏与过敏反应的发生频率;在同一个人体内比较 24 小时与 48 小时照射的光斑贴试验结果,以判断哪个时间点更优。次要目标为评估额外第 7 天延迟判读是否能发现新的相关反应。该数据可用于光变态反应诊断方法评估与光斑贴试验方案比较研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:光变态反应。主要目标:1. 确定欧洲最新推荐的光斑贴试验过敏原组合中光过敏反应和过敏反应的发生频率。2. 在同一个人体内比较 24 小时或 48 小时照射时的光斑贴试验结果,以确定哪个时间点在发现相关阳性光过敏反应方面更优。次要目标:评估额外第 7 天延迟判读是否产生新的相关反应,从而提高光斑贴试验的诊断能力。该研究的首席研究员(CI)是都柏林的 Niki Ralph 博士。所有中心将各有一名对接触性皮炎或光生物学/光物理学有特殊兴趣的首席临床皮肤科医生。这些首席皮肤科医生中的许多人也是 tas
【主题与分类】
主题标签:Photoallergy。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03812887
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/NCT03812887
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:光过敏。主要目标:1. 确定在欧洲进行光斑贴试验时,对最近推荐的一组过敏原产生光过敏和过敏反应的频率。2. 在同一个人身上比较24小时或48小时照射时的光斑贴试验结果,以确定哪个时间点在捕捉相关阳性光过敏反应方面更优。次要目标:评估使用额外的第7天晚期读取是否会产生新的相关反应,从而增加光斑贴试验的诊断能力。该研究的首席研究员(CI)是都柏林的Niki Ralph医生。所有中心都将各自拥有一名对接触性皮炎或光生物学/光物理学有特别兴趣的首席临床皮肤科医生。这些首席皮肤科医生中的许多人在过去16年围绕该主题的研究/会议中也是工作组的一部分。每位首席皮肤科医生将在其中心拥有一个多学科团队,并定期参与斑贴/光斑贴试验。邓迪将是英国的主要协调中心。
在这些中心接受斑贴试验/光斑贴试验的患者将被邀请纳入本研究。此类试验的主要适应证包括:主要累及暴露部位的皮炎,伴或不伴对防晒霜、抗炎药物或相关制剂有反应史,以及正在接受光敏性疾病检查的患者。参与者与招募:每位患者将获得一份参与者信息表(PIS,附录1),并至少有24小时阅读该信息表。他们还将有机会与研究团队成员交谈,因为患者信息表上会提供联系方式;或者他们可能希望在门诊就诊期间当面解答任何问题,之后才会被邀请签署标准化的知情同意书。
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。




