第四剂BNT162b2 COVID-19疫苗
该数据集源自clinicaltrials.gov,聚焦第四剂BNT162b2 COVID-19疫苗的免疫原性与持久性评估

基本信息
资源简介
第四剂BNT162b2 COVID-19疫苗
该数据集源自clinicaltrials.gov,聚焦第四剂BNT162b2 COVID-19疫苗的免疫原性与持久性评估。研究通过IgG、IgA、假中和试验、微量中和、亲和力、T细胞活性及B细胞库等指标,对比接种第四剂前后及与匹配对照组的免疫反应,同时主动监测不良事件和SARS-CoV-2感染发生率以评估安全性与疫苗有效性。数据覆盖150-200名Sheba医疗中心医护人员,可用于疫苗加强针免疫效果预测与安全性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):状况:COVID-19大流行。本研究旨在评估第四剂的免疫原性及其持久性。将通过追踪IgG、IgA、假中和试验、微量中和、亲和力、T细胞活性和B细胞库,并将其与参与Sheba COVID Cohort研究的匹配对照组进行比较来衡量。研究者还将通过主动监测不良事件和追踪SARS-CoV-2感染发生率来评估安全性和疫苗有效性。这是一项前瞻性干预研究,通过比较150-200名志愿者接种第四剂前后的免疫反应,以及将其反应与接种三剂但未接种第四剂的对照组个体进行比较,来测试第四剂的效果。所有研究参与者均为来自Sheba医疗中心的医护人员,他们正参与……
【主题与分类】
主题标签:COVID-19 Pandemic。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05231005
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/NCT05231005
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:COVID-19大流行。本研究旨在评估第四剂疫苗的免疫原性及其持久性。将通过追踪IgG、IgA、假中和试验、微量中和试验、亲和力、T细胞活性及B细胞库进行测量,并与参与Sheba COVID队列研究的匹配对照组进行比较。研究者还将通过主动监测不良事件和追踪SARS-CoV-2感染发生率来评估安全性和疫苗有效性。这是一项前瞻性干预研究,通过比较150-200名志愿者接种第四剂前后的免疫反应,以及将其反应与接种三剂但未接种第四剂的对照组个体进行比较,来检验第四剂的效果。所有研究参与者均为Sheba医疗中心参与Sheba COVID队列研究的医护人员,且在过去3个月内进行过血清学检测。参与本研究将保密,不会向员工的直接主管披露。
在本研究中,研究人员将招募150-200名志愿者,这些志愿者至少在4个月前接种了第3剂疫苗,并且具有已知的血清学历史(显示对前三剂疫苗有免疫应答(即使只是低应答),但近期IgG相对较低(低于700 BAU)。志愿者将在接种第4剂疫苗前后接受检测,并随访6个月。作为对照,将从Sheba COVID Cohort研究(IRB 8008-20)中招募一个相似的HCW亚队列,该亚队列每月接受血清学检测随访,且不接种第4剂疫苗。对照组所有成员均签署了知情同意书并允许将血液样本用于进一步的免疫学研究,将按年龄、性别、距第3剂疫苗接种的时间和IgG滴度进行匹配,并按照原8008-20方案进行类似随访。招募时,志愿者将:1. 接受详细说明并
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。




