UPDATE 试验:窄谱 UVB 光疗治疗特应性湿疹
该数据集来自 clinicaltrials.gov,对应 UPDATE 试验,即窄谱 UVB 光疗治疗特应性湿疹的实用型多中心单盲随机对照试验

基本信息
资源简介
UPDATE 试验:窄谱 UVB 光疗治疗特应性湿疹
该数据集来自 clinicaltrials.gov,对应 UPDATE 试验,即窄谱 UVB 光疗治疗特应性湿疹的实用型多中心单盲随机对照试验。数据覆盖成人特应性湿疹患者,这些患者外用标准治疗控制不佳,且皮肤科医生与患者共同认为需要窄谱 UVB 或优化外用治疗。研究比较窄谱 UVB 联合优化外用治疗与单用优化外用治疗在第 3 个月的有效性和成本效果。可用于评估光疗在特应性湿疹中的临床与经济学价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Atopic Dermatitis Eczema, Atopic Dermatitis. 特应性湿疹(AE)是一种慢性波动性皮肤病,以皮肤瘙痒性炎症为特征。该疾病造成较高的全球(经济)负担。AE 的治疗选择之一是光疗,其中窄谱 UVB(NB-UVB)最为常见。然而,关于 NB-UVB(成本)效果的证据稀缺且质量较低。这项实用型多中心单盲随机对照试验的目的是,在标准外用治疗控制不足、且皮肤科医生与患者共同认为需要 NB-UVB 或 OTT 的成人 AE 患者中,比较窄谱紫外线 B 联合优化外用治疗(NB-UVB+OTT)与 OTT 在第 3 个月的有效性和成本效果。被随机分配到 NB-UVB+OTT 组的参与者将 rec
【主题与分类】
主题标签:Atopic Dermatitis Eczema、Atopic Dermatitis。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05704205
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/NCT05704205
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:特应性皮炎湿疹、特应性皮炎。特应性湿疹(AE)是一种慢性波动性皮肤病,以瘙痒性皮肤炎症为特征。该病在全球范围内造成了沉重的(经济)负担。AE的治疗选择之一是光疗,其中窄谱UVB(NB-UVB)最为常用。然而,关于NB-UVB(成本)效果的证据稀缺且质量低下。这项实用性多中心单盲随机对照试验的目的是,在标准局部治疗对AE控制不充分的成年患者中——这些患者的皮肤科医生和患者共同认为需要NB-UVB或OTT——比较窄谱紫外线B联合最佳局部治疗(NB-UVB+OTT)与OTT在3个月时的有效性和成本效果。被随机分配到NB-UVB+OTT组的参与者将接受至少8周、最多16周的NB-UVB疗程(在家或门诊),并联合OTT至少3个月。对照组(OTT组)的参与者将应用OTT至少3个月。访视将在基线以及开始后1-3-6-9-12个月进行。
基线时,收集患者信息,包括评估病史和进行体格检查,以评估Fitzpatrick皮肤类型和医生报告的临床体征。每次访视时,要求患者填写问卷。预期风险与日常实践相同。主要研究参数/研究结局是3个月随访时达到EASI50(湿疹面积和严重程度指数下降50%)的患者百分比。次要研究参数/研究结局包括EASI变化值、医生报告的临床体征、患者报告的症状、生活质量、长期控制、成本效益、1-3-6-9-12个月时的副作用、外用类固醇使用量和效力、开始系统治疗的时间、患者对所受治疗的满意度、达到治疗目标目标的患者百分比以及
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。




