肌炎中Acthar临床反应预测因子

源站描述显示,研究旨在比较Acthar Gel治疗前后在细胞和分子层面的临床影响,并与非活动性疾病患者进行对比。该数据可用于探索Acthar治疗肌炎的临床反应预测因素(来源 clinicalt

University of PittsburghUniversity of Pittsburgh
clinicaltrials
浏览 7
其他预测MyositisDermatomyositisPolymyositis
Predictor of Clinical Response to Acthar in Myositis

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-12

资源简介

肌炎中Acthar临床反应预测因子

该数据集来源于clinicaltrials.gov,主题为肌炎中Acthar临床反应预测因子,涉及Myositis、Dermatomyositis、Polymyositis等疾病。源站描述显示,研究旨在比较Acthar Gel治疗前后在细胞和分子层面的临床影响,并与非活动性疾病患者进行对比。活动性肌炎受试者并非实际入组本研究,其数据来自一项已完成的试验“Efficacy and safety of Adenocorticotropic Hormone Gel in Refractory dermatomyositis and polymyositis”。该数据可用于探索Acthar治疗肌炎的临床反应预测因素(来源 clinicalt。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:肌炎、皮肌炎、多发性肌炎。比较Acthar Gel治疗前后在细胞和分子层面的临床影响,并与非活动性疾病患者进行比较。活动性肌炎受试者并非实际入组本研究,而是从一项已完成的名为“Efficacy and safety of Adenocorticotropic Hormone Gel in Refractory dermatomyositis and polymyositis”的试验中获取活动性肌炎患者的数据。

【主题与分类】

主题标签:Myositis、Dermatomyositis、Polymyositis。本站分类:皮肤疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03414086

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

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/NCT03414086

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:肌炎、皮肌炎、多发性肌炎。比较Acthar凝胶治疗前后在细胞和分子层面的临床影响,并将其与疾病不活动期患者进行比较。活动性肌炎受试者的队列实际上并未纳入本研究,而是从先前完成的一项名为“促肾上腺皮质激素凝胶在难治性皮肌炎和多发性肌炎中的疗效和安全性”的试验中获取活动性肌炎患者的数据。

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。

获取专属数据定制方案