Rhofanib®(Tofacitinib)安全性与有效性评估
该数据集来自 clinicaltrials.gov,为 Rhofanib®(Tofacitinib)在伊朗脱发患者中开展的 IV 期上市后观察性队列研究,覆盖全秃/普秃及斑秃(至少 40% 头皮脱发)人群

基本信息
资源简介
Rhofanib®(Tofacitinib)安全性与有效性评估
该数据集来自 clinicaltrials.gov,为 Rhofanib®(Tofacitinib)在伊朗脱发患者中开展的 IV 期上市后观察性队列研究,覆盖全秃/普秃及斑秃(至少 40% 头皮脱发)人群。研究以安全评估为主要目标,记录常见不良事件、严重不良事件及死亡的发生情况;次要目标通过 SALT 评分和疾病复发评估药物有效性。数据可用于脱发治疗药物安全性监测与疗效预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:全秃/普秃、斑秃(AA)。本研究是一项 IV 期、上市后、观察性队列研究,用于评估 Rhofanib®(Tofacitinib)在至少 40% 头皮脱发、全秃或普秃的伊朗参与者中使用的安全性和有效性。研究人员和调查员在小册子中收集数据。本研究中 Rhofanib®(Tofacitinib)的暴露定义为给予 Rhofanib®(Tofacitinib),建议剂量为 5 mg 每日两次,伴或不伴辅助泼尼松龙。本研究的主要目标是安全性评估,包括研究期间最常见不良事件(AEs)、严重不良事件和死亡的发生率。次要目标是通过评估脱发严重程度工具(SALT)评分、疾病复发来评价 Rhofanib®(Tofacitinib)的有效性。
【主题与分类】
主题标签:Alopecia Totalis/Universalis、Alopecia Areata(AA)。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07101471
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/NCT07101471
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:全秃/普秃、斑秃(AA)。本研究是一项IV期、上市后、观察性队列研究,旨在评估Rhofanib®(托法替布)用于伊朗脱发参与者的安全性和有效性,这些参与者至少40%头皮脱发、全秃或普秃。研究人员和调查者在手册中收集数据。本研究中Rhofanib®(托法替布)的暴露定义为给予Rhofanib®(托法替布),建议剂量为5 mg每日两次,伴或不伴辅助泼尼松龙。本研究的主要目的是安全性评估,包括研究期间最常见不良事件(AEs)、严重不良事件和死亡的发生率。次要目的是通过评估脱发严重程度工具(SALT)评分、疾病复发(斑片状或完全头皮脱发)、受脱发影响的眉毛和睫毛状况,以及研究期间基于皮肤病生活质量指数(DLQI)的参与者生活质量,来评估Rhofanib®(托法替布)的有效性。本研究为单臂研究,样本量为353名参与者。
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。




