SD-101治疗大疱性表皮松解症有效性与安全性研究
该数据集来自clinicaltrials.gov,为一项2b期、多中心、随机、双盲、赋形剂对照研究,评估SD-101皮肤乳膏(3%或6%)治疗单纯型、隐性营养不良型或交界型非Herlitz型大疱性表皮松解症患者皮肤病变的有效性与安全性

基本信息
资源简介
SD-101治疗大疱性表皮松解症有效性与安全性研究
该数据集来自clinicaltrials.gov,为一项2b期、多中心、随机、双盲、赋形剂对照研究,评估SD-101皮肤乳膏(3%或6%)治疗单纯型、隐性营养不良型或交界型非Herlitz型大疱性表皮松解症患者皮肤病变的有效性与安全性。受试者每日一次全身外用乳膏(含3%、6%或赋形剂0%)持续90天,基线评估目标伤口并拍照确认位置,后续访视依据首访照片核对伤口位置。数据可用于皮肤疾病治疗安全性及疗效相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):适应症:大疱性表皮松解症。这是一项2b期、多中心、随机、双盲、赋形剂对照研究,旨在评估SD-101皮肤乳膏(3%或6%)对单纯型、隐性营养不良型或交界型非Herlitz型EB受试者皮肤病变的有效性和安全性。SD-101乳膏[含3%或6%或赋形剂(0%)]局部外用,每日一次,涂抹全身,持续90天。符合条件的受试者在基线时评估一个目标伤口。所选目标伤口在研究入组时须达到一定伤口龄并处于预设大小范围内。基线时采集目标伤口位置的照片确认,后续访视使用首次访视保存的照片确认目标伤口位置。受试者在第2周、第1个月、第4个月和第5个月(分别为第14、30、60和90天)返回研究现场。
【主题与分类】
主题标签:Epidermolysis Bullosa。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02014376
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/NCT02014376
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
疾病:大疱性表皮松解症。这是一项2b期、多中心、随机、双盲、赋形剂对照研究,旨在评估SD-101皮肤乳膏(3%或6%)对单纯型、隐性营养不良型或交界型非Herlitz大疱性表皮松解症受试者皮肤病变的疗效和安全性。SD-101乳膏[含3%或6%或赋形剂(0%)]每日一次局部涂抹于全身,持续90天。符合条件的受试者在基线时评估目标伤口。所选目标伤口在研究入组时须达到一定的最短存在时间,并处于预先规定的尺寸范围内。基线时采集目标伤口位置的照片确认,并将首次访视保存的照片用于后续访视时确认目标伤口位置。受试者在第2周、第1个月、第4个月和第5个月(分别为第14、30、60和90天)返回研究中心,对基线时先前确定的目标伤口重新评估愈合程度。此外,每次访视时还评估瘙痒、疼痛、水疱和病变的体表面积覆盖情况以及已愈合目标伤口的瘢痕形成变化。
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。




