确定过敏与非过敏儿童不同人群中牛奶和鸡蛋免疫球蛋白G4(IgG4)标准
该数据集来自 clinicaltrials.gov,聚焦儿童食物过敏,涉及牛奶和鸡蛋的免疫球蛋白E(IgE)介导过敏。源站描述指出,牛奶和鸡蛋过敏分别影响2-3%和0.5-2.5%的儿童,约70-80%的患儿到6岁时可耐受这些食物,但缺乏可靠的耐受生物标志物,需在医院进行口服食物激发试验(OFC),

基本信息
资源简介
确定过敏与非过敏儿童不同人群中牛奶和鸡蛋免疫球蛋白G4(IgG4)标准
该数据集来自 clinicaltrials.gov,聚焦儿童食物过敏,涉及牛奶和鸡蛋的免疫球蛋白E(IgE)介导过敏。源站描述指出,牛奶和鸡蛋过敏分别影响2-3%和0.5-2.5%的儿童,约70-80%的患儿到6岁时可耐受这些食物,但缺乏可靠的耐受生物标志物,需在医院进行口服食物激发试验(OFC),该过程昂贵、耗时且有过敏反应风险。数据集旨在确定过敏与非过敏儿童不同人群中牛奶和鸡蛋的免疫球蛋白G4(IgG4)标准,可用于探索预测OFC反应、辅助选择可安全进行OFC的儿童(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:儿童食物过敏。免疫球蛋白E(IgE)介导的牛奶和鸡蛋过敏分别影响2-3%和0.5-2.5%的儿童。这些过敏使儿童面临可能危及生命的即时过敏反应风险。大约70-80%对牛奶和鸡蛋有IgE介导过敏的儿童到6岁时将耐受这些食物。然而,在缺乏可靠耐受生物标志物的情况下,为确定是否获得口服耐受,建议在医院环境中进行口服食物激发试验(OFC)。该程序昂贵、耗时,并带有过敏反应风险。许多研究试图寻找OFC期间反应性的预测标志物。改善对OFC反应的预测将非常有助于更好地选择可以无风险进行OFC的儿童。
【主题与分类】
主题标签:Food Allergy in Children。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03776474
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/NCT03776474
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:儿童食物过敏。免疫球蛋白E(IgE)介导的对牛奶和鸡蛋的过敏分别影响2-3%和0.5-2.5%的儿童。这些过敏反应可能引发即刻型过敏反应,有时甚至危及生命。大约70-80%对牛奶和鸡蛋有IgE介导过敏的儿童到6岁时能够耐受这些食物。然而,由于缺乏可靠的耐受性生物标志物来判断是否已获得口服耐受,建议在医院环境下进行口服食物激发试验(OFC)。这一过程费用高昂、耗时较长,并伴有过敏反应的风险。许多研究试图寻找OFC期间反应性的预测标志物。提高对OFC反应的预测能力将非常有助于更好地筛选可以安全进行OFC以确认耐受性获得的儿童。例如,已提出血清特异性IgE阳性值,超过该值时95%的患者会出现过敏反应。
这些数值在不同研究间差异很大,原因在于方法学差异及人群异质性,因此不能用于临床实践。在临床实践中,定期检测血清特异性IgE及其随时间的变化,可用于预测IgE介导的食物过敏是否可能持续存在。事实上,初始高滴度和/或特异性IgE水平升高可能预示过敏持续,而初始低滴度及特异性IgE下降则可能预示耐受。当耐受形成时,特异性IgE水平会下降,然而,即使已获得耐受,其仍可能维持在病理性阳性水平。在持续暴露于过敏原期间,特异性免疫球蛋白G4(IgG4)应答是生理性的。食物过敏的口服免疫治疗研究显示,特异性IgG4升高,并伴有调节性T淋巴细胞(LTreg)数量增加及产生
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




