Palivizumab 预防俄罗斯儿童严重呼吸道合胞病毒感染研究

该数据集来自 clinicaltrials.gov,主题为 Palivizumab(Synagis)预防俄罗斯儿童严重呼吸道合胞病毒感染

AbbottAbbott
clinicaltrials
浏览 10
其他预测Respiratory Syncytial Virus InfectionPremature BirthBronchopulmonary DysplasiaCongenital Heart Disease
Palivizumab for Prevention of Severe Respiratory Syncytial Virus Infection in Russian Children

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-12

资源简介

Palivizumab 预防俄罗斯儿童严重呼吸道合胞病毒感染研究

该数据集来自 clinicaltrials.gov,主题为 Palivizumab(Synagis)预防俄罗斯儿童严重呼吸道合胞病毒感染。研究为前瞻性、多中心、开放标签、非对照设计,纳入 100 名 2 岁及以下高风险儿童,包括胎龄小于等于 35 周的早产儿、支气管肺发育不良患儿及血流动力学显著的先天性心脏病患儿,评估 15 mg/kg 肌内注射作为预防手段的安全性与有效性。数据可用于分析药物预防效果、识别高风险人群及预测严重下呼吸道感染风险(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:呼吸道合胞病毒感染、早产、支气管肺发育不良、先天性心脏病。一项前瞻性、多中心、开放标签、非对照研究,评估 Palivizumab(Synagis)15 mg/kg 肌内注射作为预防 100 名 2 岁及以下俄罗斯高风险人群儿童严重下呼吸道呼吸道合胞病毒感染的安全性及有效性(早产儿[胎龄小于等于 35 周]、支气管肺发育不良[BPD]婴儿及血流动力学显著的先天性心脏病[HSCHD]婴儿)。

【主题与分类】

主题标签:Respiratory Syncytial Virus Infection、Premature Birth、Bronchopulmonary Dysplasia、Congenital Heart Disease。本站分类:循环系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01006629

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/NCT01006629

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

疾病:呼吸道合胞病毒感染、早产、支气管肺发育不良、先天性心脏病。一项前瞻性、多中心、开放标签、非对照研究,旨在评估帕利珠单抗(Synagis)15 mg/kg肌肉注射作为预防严重下呼吸道呼吸道合胞病毒感染的安全性及有效性,研究对象为100名2岁及以下的俄罗斯高风险人群儿童(早产儿[胎龄小于或等于35周]、患有支气管肺发育不良[BPD]的婴儿,以及患有血流动力学显著性先天性心脏病[HSCHD]的婴儿)。

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