天疱疮与类天疱疮的伤口敷料研究
本数据集来源于clinicaltrials.gov,聚焦天疱疮(Pemphigus)与类天疱疮(Pemphigoid)这两种皮肤科最常见的自身免疫性大疱病

基本信息
资源简介
天疱疮与类天疱疮的伤口敷料研究
本数据集来源于clinicaltrials.gov,聚焦天疱疮(Pemphigus)与类天疱疮(Pemphigoid)这两种皮肤科最常见的自身免疫性大疱病。研究比较四种敷料(凡士林纱布、醋酸纤维素加凡士林、纯羧甲基纤维素加银、纳米晶银)在促进愈合、减轻疼痛和瘙痒方面的效果。每位确诊患者接受全身皮肤检查,将4处最严重皮损随机分配至四种处理。该数据可用于评估不同敷料对自身免疫性大疱病皮损的疗效,为临床选择最佳覆盖材料提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:天疱疮、类天疱疮。天疱疮和类天疱疮是皮肤科最常见的自身免疫性大疱病。尽管针对大疱性皮肤病的管理已研究了许多治疗方法,但关于可用于这些疾病受累或裸露区域的最佳皮肤敷料或覆盖物的信息仍不充分。因此,我们将比较四种不同覆盖物(凡士林纱布、醋酸纤维素加凡士林、纯羧甲基纤维素加银和纳米晶银)在提供更快愈合以及减轻疼痛和瘙痒方面的疗效。每位诊断为天疱疮或类天疱疮的患者都将接受全身皮肤检查,并将4处最受影响的区域随机分配接受上述4种治疗中的每一种。目前尚无专门针对这些材料的临床研究。
【主题与分类】
主题标签:Pemphigus、Pemphigoid。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02365675
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/NCT02365675
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:天疱疮、类天疱疮。天疱疮和类天疱疮是皮肤科最常见的自身免疫性大疱性疾病。尽管针对大疱性皮肤病的管理已研究了多种治疗方法,但关于在这些疾病受累或裸露区域使用的最佳皮肤敷料或覆盖物的信息仍不充分。因此,我们将比较四种不同覆盖物的疗效(凡士林纱布、醋酸纤维素加凡士林、纯羧甲基纤维素加银以及纳米晶银),以促进更快愈合、减轻疼痛和瘙痒。每位诊断为天疱疮或类天疱疮的患者都将接受全面的皮肤检查,并将4个最受影响的区域随机分配接受上述4种治疗中的每一种。目前尚无专门针对本研究所用材料的临床研究。仅有少数孤立病例报告,不足以作为依据。
综合考虑上述内容并基于临床经验,我们认为开展一项纳入10-14例患者的初步研究是合适的,借此我们将进行样本量计算,考虑潜在的α错误为0.05,通过从1.0中减去计算所得的检验效能来得出β错误。在所有患者中,将选取4个面积为8 cm×8 cm(64 cm²)的受累区域,并标记为字母A、B、C和D。研究者将生成随机化表格,将预先设定并编号为1至4的治疗随机分配到四个区域中的每一个。因此,所有患者都将接受这4种治疗,但是在先前选定的4个区域中随机分配。将研究的变量包括:* 总受累面积:由64 cm²内不健康皮肤的百分比之和构成。* 疼痛强度:由潜在或实际组织损伤引起的令人不愉快的感觉和情绪体验。将采用视觉模拟量表进行评估,该方法已验证。* 红斑
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。




