评估SD-101治疗大疱性表皮松解症的疗效与安全性研究
该数据集来自clinicaltrials.gov,收录一项评估SD-101-6.0乳膏治疗大疱性表皮松解症(EB)的3期多中心随机双盲安慰剂对照研究

基本信息
资源简介
评估SD-101治疗大疱性表皮松解症的疗效与安全性研究
该数据集来自clinicaltrials.gov,收录一项评估SD-101-6.0乳膏治疗大疱性表皮松解症(EB)的3期多中心随机双盲安慰剂对照研究。覆盖Simplex、Recessive Dystrophic及Junctional non-Herlitz(JEB-nH)EB患者,每日全身外用药物60天,基线选取至少21天、面积10至50 cm2的靶伤口并拍照确认。数据可用于分析治疗对伤口愈合的疗效与安全性,支持EB相关临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:大疱性表皮松解症(EB)。这是一项3期、多中心、随机、双盲、安慰剂对照研究,旨在比较SD-101-6.0乳膏与安慰剂(SD-101-0.0)对Simplex型、Recessive Dystrophic型或Junctional non-Herlitz(JEB-nH)型EB患者伤口的疗效和安全性。SD-101-6.0乳膏或安慰剂(SD-101-0.0)将每日一次局部涂抹于全身,持续60天。入组患者将在基线时选择1个靶伤口。所选靶伤口必须至少已存在21天(大小10至50 cm2)。基线时将收集靶伤口位置的照片确认,首次访视保存的照片将用于后续访视确认靶伤口位置。患者将返回研究 site 进行访视2(基线后14天±7天)、访视3(基线后30天±7天),以及
【主题与分类】
主题标签:Epidermolysis Bullosa (EB)。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07482787
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/NCT07482787
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(EB)。这是一项3期、多中心、随机、双盲、安慰剂对照研究,旨在比较SD-101-6.0乳膏与安慰剂(SD-101-0.0)对单纯型、隐性营养不良型或交界型非Herlitz型(JEB-nH)EB患者创面的疗效和安全性。SD-101-6.0乳膏或安慰剂(SD-101-0.0)将局部外用,每日一次,涂抹全身,持续60天。入组患者将在基线时选择1个目标创面。所选目标创面必须至少已存在21天(大小10至50 cm²)。基线时将采集目标创面位置的照片确认,首次访视保存的照片将用于后续访视时确认目标创面的位置。患者将返回研究中心进行访视2(基线后14天±7天)、访视3(基线后30天±7天)和访视4(基线后60天±7天),以重新评估目标创面的愈合程度。
一旦目标伤口愈合,在后续访视中将视为已愈合,不再对目标伤口进行重新评估。在所有访视中,将使用ARANZ SilhouetteStar™测量目标伤口,直至目标伤口记录为闭合。每次访视时将对瘙痒进行评估。此外,将在基线和第2个月访视时评估体表面积(BSA)及其他次要终点。
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。




