EB-101治疗隐性营养不良型大疱性表皮松解症的3期开放标签临床试验
该数据集来自clinicaltrials.gov，收录一项针对隐性营养不良型大疱性表皮松解症（RDEB）的3期开放标签临床试验信息
基本信息
资源简介
EB-101治疗隐性营养不良型大疱性表皮松解症的3期开放标签临床试验
该数据集来自clinicaltrials.gov，收录一项针对隐性营养不良型大疱性表皮松解症（RDEB）的3期开放标签临床试验信息。RDEB由VII型胶原蛋白缺失导致，目前尚无获批疗法。研究评估EB-101基因矫正角质形成细胞片一次性手术应用于大型慢性RDEB伤口的疗效与安全性，计划纳入约10至15名受试者，单张EB-101片可覆盖约40cm2伤口，每名患者最多应用6张。数据可用于了解该罕见病基因治疗试验的设计与终点指标（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：适应症：大疱性表皮松解症、隐性营养不良型大疱性表皮松解症。隐性营养不良型大疱性表皮松解症（RDEB）是一种超罕见、严重的遗传性水疱性皮肤病，由一种称为VII型胶原蛋白（C7）的蛋白质缺失引起。RDEB尚无获批治疗方法，目前仅能提供支持性护理。这项开放标签、对照研究将评估EB-101治疗大型、慢性RDEB伤口的疗效和安全性。研究干预包括一次性手术应用基因矫正的角质形成细胞片（EB-101），用于治疗最多约10-15名参与者的RDEB伤口部位。单张EB-101片能够为面积最多约40cm2的伤口区域提供愈合。根据现有伤口面积，每名患者最多可应用6（六）张EB-101片。该研究的共同主要终点为：
【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/NCT04227106
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/NCT04227106
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、隐性营养不良型大疱性表皮松解症。隐性营养不良型大疱性表皮松解症（RDEB）是一种超罕见、严重的遗传性水疱性皮肤病，由7型胶原蛋白（C7）缺失引起。目前RDEB尚无获批的治疗方法，仅能进行支持性护理。这项开放标签、对照研究将评估EB-101治疗大型慢性RDEB创面的有效性和安全性。研究干预包括一次性手术应用基因矫正的角质形成细胞片（EB-101），用于治疗最多约10-15名参与者的RDEB创面部位。单张EB-101片能够为面积最大约40cm2的创面提供愈合。根据现有创面面积，每名患者最多可应用6（六）张EB-101片。
本研究的共同主要终点为：1）由研究者直接评估确定，第24周（第6个月）时，RDEB伤口部位较基线愈合≥50%的比例，比较治疗伤口部位与未治疗伤口部位；2）第24周（第6个月）时，通过Wong-Baker FACES量表评分的平均差异评估治疗伤口与未治疗伤口之间与伤口敷料更换相关的疼痛减轻情况。研究全程还将收集患者报告结局和安全性数据。疗效的主要分析将在所有患者达到第24周时进行评估。安全性和疗效评估将按定期间隔进行，并在最后一位患者达到治疗后第26周时完成。研究期结束后，患者将按标准诊疗每年监测一次，最长可达15年。
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。
