羟氯喹治疗ANCA相关性血管炎评估
该数据集来自clinicaltrials.gov,聚焦羟氯喹联合背景维持治疗用于ANCA相关性血管炎的多中心、随机、安慰剂对照、双盲研究

基本信息
资源简介
羟氯喹治疗ANCA相关性血管炎评估
该数据集来自clinicaltrials.gov,聚焦羟氯喹联合背景维持治疗用于ANCA相关性血管炎的多中心、随机、安慰剂对照、双盲研究。覆盖肉芽肿性多血管炎、显微镜下多血管炎和嗜酸性肉芽肿性多血管炎,计划从20个中心招募76名受试者,按1:1随机分配至羟氯喹或安慰剂组。数据可用于评估临床应答与生活质量改善,支持血管炎治疗领域的疗效与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:ANCA相关性血管炎、显微镜下多血管炎、Churg-Strauss综合征、Wegener肉芽肿。这是一项多中心、随机、安慰剂对照、双盲研究,旨在评估羟氯喹联合背景维持治疗是否能改善AAV患者的临床应答和生活质量。将从20个中心招募76名患肉芽肿性多血管炎、显微镜下多血管炎或嗜酸性肉芽肿性多血管炎的患者。他们将以1:1的比例随机分配至羟氯喹或安慰剂组。患者和研究团队均不知道受试者属于哪个治疗组。一旦受试者同意参加并签署知情同意书,他们将接受以下评估、测试和程序以确定是否可以参加研究。部分可能由常规进行
【主题与分类】
主题标签:ANCA Associated Vasculitis、Microscopic Polyangiitis、Churg-Strauss Syndrome、Wegener Granulomatosis。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04316494
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/NCT04316494
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:ANCA相关性血管炎、显微镜下多血管炎、Churg-Strauss综合征、Wegener肉芽肿。这是一项多中心、随机、安慰剂对照、双盲研究,旨在评估羟氯喹联合背景维持治疗是否能改善AAV患者的临床应答和生活质量。将从20个研究中心招募76名患肉芽肿性多血管炎、显微镜下多血管炎或嗜酸性肉芽肿性多血管炎的参与者。他们将以1:1的比例随机接受羟氯喹或安慰剂。患者和研究团队均不会知道参与者属于哪个治疗组。一旦参与者同意参加并签署知情同意书,他们将接受以下评估、检查和程序,以确定他们是否可以参加研究。
部分检查可能由研究医生作为常规血管炎诊疗的一部分进行,即使参与者未参加研究:* 病史 * 伯明翰血管炎活动评分(BVAS) * 体格检查 * 血液检查 * 妊娠试验 * 尿液药物检测 * 心电图 如果患者符合参加研究的条件,他们将被随机分配在接受背景药物治疗的基础上,额外接受羟氯喹或安慰剂。参与者将每天服用2片,持续一年。根据基线体重和肾功能,参与者的剂量可能会减少至1片。所有参与者的泼尼松龙剂量将在研究期间逐渐减量。参与者将被要求每周填写患者日记,记录是否服用了药物以及是否出现任何症状变化。参与者将被要求在第4、16、28、40、44、48、52和56周前往医院。
在每次访视时,参与者将进行以下部分或全部检查/评估:* 体格检查,包括视力检查* 体重和生命体征* BVAS评估和血管炎损伤指数(VDI)* 患者问卷* 如果
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。




