食物过敏社区登记库

该数据集为FARE患者登记库,来源于clinicaltrials.gov,属于免疫系统疾病/其他分类。该登记库旨在鼓励去标识化数据的开放共享与临床试验参与,支持食物过敏社区直接参与研究,从而推动科学发现

Food Allergy Research & EducationFood Allergy Research & Education
clinicaltrials
浏览 21
文本预测Food HypersensitivityAnaphylaxisEosinophilic EsophagitisFood SensitivityFood IntoleranceFood Allergy in Infants
A Registry for the Food Allergy Community

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-10-08

资源简介

食物过敏社区登记库

该数据集为FARE患者登记库,来源于clinicaltrials.gov,属于免疫系统疾病/其他分类。它是一项前瞻性、观察性食物过敏报告系统,存储患者真实世界食物过敏经历的详细健康及其他基本信息,覆盖Food Hypersensitivity、Anaphylaxis、Eosinophilic Esophagitis、Food Sensitivity、Food Intolerance、Food Allergy in Infants等状况。该登记库旨在鼓励去标识化数据的开放共享与临床试验参与,支持食物过敏社区直接参与研究,从而推动科学发现。可用于食物过敏相关预测建模、真实世界研究及临床试验招募分析(来源 clinicaltrials.g。

【数据内容】

源站描述(机器翻译,仅供参考):状况:Food Hypersensitivity、Anaphylaxis、Eosinophilic Esophagitis、Food Sensitivity、Food Intolerance、Food Allergy in Infants。FARE患者登记库将作为一个前瞻性、观察性食物过敏报告系统,存储患者真实世界食物过敏经历的详细健康及其他基本信息,以鼓励去标识化数据的开放共享和临床试验参与。FARE患者登记库旨在通过使食物过敏社区能够直接参与研究来促成并支持科学发现。

【主题与分类】

主题标签:Food Hypersensitivity、Anaphylaxis、Eosinophilic Esophagitis、Food Sensitivity、Food Intolerance、Food Allergy in Infants。本站分类:免疫系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04653324

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/NCT04653324

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

条件:食物过敏、过敏性休克、嗜酸性食管炎、食物敏感、食物不耐受、婴儿食物过敏。FARE患者登记处将作为一个前瞻性的、观察性的食物过敏报告系统,存储关于患者食物过敏真实世界经历的详细健康及其他基本信息,以鼓励公开分享去标识化数据和参与临床试验。FARE患者登记处旨在通过使食物过敏社群直接参与研究,来促成并支持科学发现。

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