羟氯喹与甲氨蝶呤治疗额部纤维性脱发的疗效:患者偏好试验(FFA Trial)
该数据集来自 clinicaltrials.gov,聚焦额部纤维性脱发(FFA)这一原发性瘢痕性脱发。FFA 多见于绝经后女性,表现为额颞部发际线后退、眉毛脱落及毛囊周围炎症,病因尚不明确,疑与自身免疫介导的毛囊干细胞破坏有关

基本信息
资源简介
羟氯喹与甲氨蝶呤治疗额部纤维性脱发的疗效:患者偏好试验(FFA Trial)
该数据集来自 clinicaltrials.gov,聚焦额部纤维性脱发(FFA)这一原发性瘢痕性脱发。FFA 多见于绝经后女性,表现为额颞部发际线后退、眉毛脱落及毛囊周围炎症,病因尚不明确,疑与自身免疫介导的毛囊干细胞破坏有关。治疗选择有限且多为经验性,羟氯喹(HCQ)与甲氨蝶呤(MTX)是临床最常用的两种超说明书系统用药,但疗效缺乏共识,现有研究多为回顾性或小规模。本数据集为多中心患者偏好试验,可用于比较两种药物在常规临床实践中的疗效(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:额部纤维性脱发、瘢痕性脱发。额部纤维性脱发(FFA)是一种原发性瘢痕性脱发,以进行性、不可逆的脱发为特征。它通常影响绝经后女性。该病表现为额颞部发际线后退、眉毛脱落和毛囊周围炎症。尽管确切病因尚不清楚,但怀疑存在自身免疫介导的毛囊干细胞破坏。治疗选择有限且多为经验性。在系统治疗中,羟氯喹(HCQ)和甲氨蝶呤(MTX)是临床实践中最常用的处方药。这两种药物均为超说明书使用,其有效性尚无共识。现有研究多为回顾性或小规模。因此,临床决策差异很大,且缺乏循证指南。这项多中心、前瞻性
【主题与分类】
主题标签:Frontal Fibrosing Alopecia、Cicatricial Alopecia。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07190534
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/NCT07190534
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:额部纤维性脱发、瘢痕性脱发。额部纤维性脱发(FFA)是一种原发性瘢痕性脱发,以进行性、不可逆的脱发为特征。该病通常影响绝经后女性。疾病表现为额颞部发际线后退、眉毛脱落及毛囊周围炎症。尽管确切病因尚不明确,但怀疑存在自身免疫介导的毛囊干细胞破坏。治疗选择有限,且在很大程度上属于经验性治疗。在全身治疗药物中,羟氯喹(HCQ)和甲氨蝶呤(MTX)是临床实践中最常用的处方药。这两种药物均为超说明书使用,且对其有效性尚无共识。现有研究多为回顾性或小规模研究。因此,临床决策差异很大,且缺乏循证指南。这项多中心、前瞻性患者偏好试验旨在评估在常规临床诊疗条件下,HCQ与MTX相比在成人FFA患者中的有效性。研究流程:将在皮肤科门诊招募确诊为FFA的合格患者(≥18岁)。
患者将根据共同决策和标准处方方案,选择HCQ(每日400 mg)或MTX(每周15 mg,并补充叶酸)。随访将按照与标准诊疗一致的规律间隔进行:基线、12、24、36和48周。主要结局是基线与24周之间额部纤维化性脱发严重程度评分(FFASS)的变化。FFASS是一种经过验证的复合工具,纳入临床体征、发际线后移和患者症状。次要结局包括所有时间点的疾病严重程度、患者报告的健康相关生活质量(Skindex-29、CASIS)、不良事件、停药率,以及基于健康经济学工具(EQ-5D-5L附加维度、ICECAP-A、iMCQ、iPCQ)的成本效果。所有FFASS评估将由两名评估者使用标准化
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。




