Zorblisa(SD-101-6.0)治疗大疱性表皮松解症长期安全性开放标签扩展研究
该数据集来自clinicaltrials.gov,为一项开放标签、多中心扩展研究,评估外用SD-101-6.0在单纯型、隐性营养不良型及交界型非Herlitz大疱性表皮松解症患者中的长期安全性

基本信息
资源简介
Zorblisa(SD-101-6.0)治疗大疱性表皮松解症长期安全性开放标签扩展研究
该数据集来自clinicaltrials.gov,为一项开放标签、多中心扩展研究,评估外用SD-101-6.0在单纯型、隐性营养不良型及交界型非Herlitz大疱性表皮松解症患者中的长期安全性。药物每日一次全身外用,原计划治疗最长48个月并设30天安全性随访,但申办方提前终止研究,至少1名参与者完成的最长研究时长(治疗及安全性随访)为37个月。完成SD-005研究者可转入本研究。数据可用于药物长期安全性观察与分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:大疱性表皮松解症。这是一项开放标签、多中心扩展研究,旨在评估外用SD-101-6.0在单纯型、隐性营养不良型和交界型非Herlitz大疱性表皮松解症参与者中的长期安全性。SD-101-6.0每日一次全身外用。研究SD-006中SD-101-6.0的计划治疗持续时间最长48个月,安全性随访期为30天;然而,该研究被申办方提前终止。至少1名参与者完成的最长研究持续时间(治疗和安全性随访)为37个月。成功完成研究SD-005的参与者可选择转入研究SD-006。筛选/基线访视(访视1)在研究SD-005的访视5(约距基线90天)时进行。在研究SD-005的访视中进行的病变皮肤和伤口负担的体表面积(BSA)评估
【主题与分类】
主题标签:Epidermolysis Bullosa。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02670330
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/NCT02670330
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。这是一项开放标签、多中心扩展研究,旨在评估局部外用SD-101-6.0在单纯型、隐性营养不良型和交界型非Herlitz型大疱性表皮松解症受试者中的长期安全性。SD-101-6.0每日一次局部外用于全身。SD-006研究计划使用SD-101-6.0的治疗持续时间最长至48个月,安全性随访期为30天;但该研究由申办方提前终止。至少1例受试者完成的最长研究持续时间(包括治疗和安全性随访)为37个月。成功完成SD-005研究的受试者可选择转入SD-006研究。筛选/基线访视(第1次访视)在SD-005研究的第5次访视(约距基线90天)时进行。SD-005研究第5次访视(约距基线90天)时进行的病变皮肤体表面积(BSA)评估和创面负荷评估被用作SD-006研究的基线评估。受试者在第1个月返回进行随访访视,之后每3个月随访一次。每次访视时的评估包括病变皮肤BSA和创面负荷。
对于在研究SD-005结束时未闭合的目标伤口,使用SD-005最终访视时的ARANZ照片及目标伤口面积计算值,作为研究SD-006中目标伤口的基线面积大小。这些来自研究SD-005的未愈合目标伤口在随后每次计划访视时通过ARANZ SilhouetteStar™进行评估,直至目标伤口被记录为闭合。对已闭合的伤口进行瘢痕评估。
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。




