围术期过敏反应的临床决定因素(CADECAP研究)
CADECAP研究来自clinicaltrials.gov,聚焦围术期即刻过敏反应,旨在刻画与最终诊断相关的IgE介导过敏的临床与辅助检查决定因素,并构建识别围术期过敏反应临床模式的决策算法以指导急性期管理,从而可能降低相关发病率与死亡率

基本信息
资源简介
围术期过敏反应的临床决定因素(CADECAP研究)
CADECAP研究来自clinicaltrials.gov,聚焦围术期即刻过敏反应,旨在刻画与最终诊断相关的IgE介导过敏的临床与辅助检查决定因素,并构建识别围术期过敏反应临床模式的决策算法以指导急性期管理,从而可能降低相关发病率与死亡率。次要目标包括依据表型修订Ring and Messmer量表、识别孤立性非过敏性支气管痉挛的临床特征、比较围术期IgE介导过敏常见致敏药物与国际研究报道、评估皮试在过敏与非过敏患者中的阴性预测值等。该数据可用于围术期过敏的预测建模与临床决策支持研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:速发型超敏反应,围术期。本研究的主要目标是:i) 刻画可能与最终诊断相关的IgE介导过敏的临床与辅助检查决定因素;ii) 构建用于识别围术期过敏反应临床模式的决策算法,以指导急性期管理,从而可能降低相关发病率与死亡率。次要目标是:i) 根据所涉及的表型建议对Ring and Messmer量表进行修改;ii) 识别孤立性非过敏性支气管痉挛的临床特征;iii) 将围术期IgE介导过敏中最常涉及的药物与国际研究中报道的药物进行比较;iv) 确定皮试在过敏与非过敏患者中的阴性预测值;v) 比较
【主题与分类】
主题标签:Hypersensitivity, Immediate、Perioperative Period。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03918772
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/NCT03918772
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
条件:速发型超敏反应,围手术期。本研究的主要目标是:i)描述可能与最终诊断相关的IgE介导过敏的临床和副临床决定因素;ii)制定一种决策算法,用于识别围手术期过敏反应的临床模式,以指导急性管理,从而可能降低相关的发病率和死亡率。次要目标是:i)根据所涉及的表型提出对Ring和Messmer量表的修改建议;ii)确定孤立性非过敏性支气管痉挛的临床特征;iii)将围手术期IgE介导过敏中最常见的致敏原与国际化研究报告的致敏原进行比较;iv)确定过敏和非过敏患者皮肤试验的阴性预测值;v)将所采用的治疗方式与文献推荐的方式进行比较;vi)描述发病率和死亡率病例,并确定潜在的风险因素。
Ring和Messmer分级用于描述药物或乳胶诱发的速发型超敏反应的临床特征,并已针对围手术期情况调整如下:I级:仅有皮肤黏膜体征(全身性红斑和/或广泛性荨麻疹和/或血管性水肿)II级:皮肤黏膜体征、低血压、心动过速和/或中度支气管痉挛III级:皮肤黏膜体征、心血管衰竭、心动过速或心动过缓、支气管痉挛、消化道体征IV级:心搏骤停V级:死亡围手术期速发型超敏反应需要进一步的过敏学评估。过敏学评估在反应发生后数周进行,以确认或排除反应背后的过敏机制(即过敏与非过敏),并确定致病药物和安全的药物,包括合适的替代药物。评估基于对反应细节的回顾,以及组胺和/或类胰蛋白酶水平和特异性免疫
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。




