铁强化食品改善日本脑炎与伤寒疫苗免疫原性
该数据集来自 clinicaltrials.gov,聚焦铁缺乏性贫血这一全球公共卫生问题,尤其关注非洲与东南亚的高流行区

基本信息
资源简介
铁强化食品改善日本脑炎与伤寒疫苗免疫原性
该数据集来自 clinicaltrials.gov,聚焦铁缺乏性贫血这一全球公共卫生问题,尤其关注非洲与东南亚的高流行区。源站描述指出,中低收入国家疫苗常表现不佳,营养不足(包括铁缺乏)可能参与其中;动物实验显示低铁血症削弱T细胞、B细胞和中和抗体应答,而肯尼亚铁缺乏贫血女性在接种时静脉补铁后对ChAdOx COVID-19疫苗首剂和黄热病疫苗的免疫应答更好。数据集围绕铁强化食品对日本脑炎和伤寒疫苗免疫原性的影响,可用于研究铁状态与疫苗应答的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:铁缺乏性贫血。铁缺乏(ID)贫血是一个全球公共卫生问题,在非洲和东南亚患病率最高。虽然免疫规划已实现高全球覆盖率,但疫苗在低中收入国家(LMIC)往往表现不佳。原因尚不确定,但包括ID在内的营养不足可能起作用。我们近期的体外和体内研究表明,铁状态在适应性免疫和疫苗应答中具有重要性。低铁血症削弱了小鼠对流感病毒感染的T细胞、B细胞和中和抗体应答,使病毒得以持续存在。接种疫苗时接受静脉铁剂的铁缺乏贫血肯尼亚女性,对第一剂ChAdOx Coronavirus 19(COVID-19)疫苗和黄热病疫苗的免疫应答更好。日本脑炎和伤寒
【主题与分类】
主题标签:Iron Deficiency Anemia。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06027801
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/NCT06027801
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:缺铁性贫血。缺铁性贫血(IDA)是一个全球性公共卫生问题,在非洲和东南亚地区患病率最高。尽管免疫规划已在全球实现高覆盖率,但疫苗在低收入和中等收入国家(LMIC)往往效果不佳。原因尚不明确,但包括缺铁在内的营养不良可能起一定作用。我们近期的体外和体内研究表明,铁状态在适应性免疫和疫苗应答中具有重要作用。低铁血症削弱了小鼠对流感病毒感染的T细胞、B细胞和中和抗体应答,使病毒得以持续存在。接种疫苗时接受静脉补铁的肯尼亚缺铁性贫血女性,对第一剂ChAdOx冠状病毒19(COVID-19)疫苗和黄热病疫苗的免疫应答更好。日本脑炎和伤寒在泰国呈地方性流行。疫苗虽已可用,但效力不一。
缺铁性贫血是否会损害成人对减毒活乙型脑炎(JE)疫苗和伤寒Vi多糖(Vi-PS)疫苗的应答,以及通过铁强化补铁是否能改善疫苗应答,目前尚不确定。本研究旨在评估泰国女性的缺铁性贫血是否损害其对JE疫苗和伤寒Vi-PS疫苗的免疫应答,以及强化铁是否能改善其应答。在这项双盲随机对照试验中,缺铁性贫血女性将被分配到两个研究组:第1组(强化组)将接受铁强化饼干(含15mg铁,以富马酸亚铁形式)为期56天;第2组(对照组)将接受非强化饼干为期56天。所有女性将在研究第28天接种减毒活JE疫苗和伤寒Vi-PS疫苗。两组均在接种后28天(第56天)测量疫苗应答。
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。




