减少烧伤瘢痕瘙痒的新策略

该数据集来自 clinicaltrials.gov,主题为减少烧伤瘢痕瘙痒的新策略。研究旨在检验一种治疗烧伤瘢痕瘙痒的新方法,基于在其他瘙痒患者中 H2 抗组胺药和/或局部应用色甘酸钠可减轻瘙痒的观察,推测这些药物也能减少烧伤瘢痕引起的瘙痒

The University of Texas Medical Branch, GalvestonThe University of Texas Medical Branch, Galveston
clinicaltrials
浏览 14
其他分类Burn ScarItch ScarringWound
Novel Strategies for Reducing Burn Scar Itch

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-10

资源简介

减少烧伤瘢痕瘙痒的新策略

该数据集来自 clinicaltrials.gov,主题为减少烧伤瘢痕瘙痒的新策略。研究旨在检验一种治疗烧伤瘢痕瘙痒的新方法,基于在其他瘙痒患者中 H2 抗组胺药和/或局部应用色甘酸钠可减轻瘙痒的观察,推测这些药物也能减少烧伤瘢痕引起的瘙痒。研究将比较两种止痒方法:一是推荐的口服苯海拉明(Benadryl)加安慰剂胶囊和安慰剂洗剂,二是推荐的口服苯海拉明(Benadryl)加口服法莫替丁(Pepcid)和局部应用色甘酸钠。数据可用于烧伤瘢痕瘙痒治疗相关的分类或疗效比较研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:烧伤瘢痕、瘙痒性瘢痕、伤口。本研究的目的是检验一种治疗烧伤瘢痕瘙痒的新方法的效果。在其他经历瘙痒的患者群体中,H2 抗组胺药和/或局部应用的色甘酸钠可减轻瘙痒。我们相信这些药物将减少烧伤瘢痕引起的瘙痒。为检验这一想法,研究者将比较两种治疗瘙痒的方法:1)推荐的口服苯海拉明(Benadryl)加安慰剂胶囊和安慰剂洗剂;2)推荐的口服苯海拉明(Benadryl)加口服法莫替丁(Pepcid)和局部应用的色甘酸钠。

【主题与分类】

主题标签:Burn Scar、Itch Scarring、Wound。本站分类:损伤、中毒及外因。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06801626

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06801626

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

病症:烧伤瘢痕、瘙痒性瘢痕、创面。本研究旨在探讨一种治疗烧伤瘢痕瘙痒的新方法的效果。在其他出现瘙痒的患者群体中,H2抗组胺药和/或局部涂抹色甘酸钠可减轻瘙痒。我们相信这些药物能够减轻烧伤瘢痕引起的瘙痒。为验证这一设想,研究者将比较两种治疗瘙痒的方法:1)推荐口服苯海拉明(Benadryl)加安慰剂胶囊和安慰剂洗剂;2)推荐口服苯海拉明(Benadryl)加口服法莫替丁(Pepcid)及局部涂抹色甘酸钠。

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。

获取专属数据定制方案