GRASS 草花粉过敏真实世界评估研究数据集
源站说明该研究旨在收集 Grassmuno® 在常规临床实践中的使用数据，属于免疫系统疾病相关主题。数据可用于了解草花粉过敏免疫治疗在真实诊疗环境下的应用情况，支持过敏性疾病真实世界用药模式与临床实践的观察性分析（来源 clinicaltrials.gov）
基本信息
资源简介
GRASS 草花粉过敏真实世界评估研究数据集
GRASS（Grass MATA MPL Real-world Assessment Study）是一项以草花粉过敏为关注主题的数据集，来源于临床研究注册平台 clinicaltrials.gov。该研究属于非干预性研究（NIS），其核心目的是在常规临床实践中收集 Grassmuno® 的使用数据，从而反映草花粉过敏免疫治疗在真实诊疗环境下的实际应用情况。数据集在分类上归入免疫系统疾病 / 其他，主题标签为草花粉过敏。整体而言，该数据集面向过敏性疾病真实世界用药模式与临床实践的观察性分析需求，可为了解草花粉过敏免疫治疗在真实世界中的开展方式提供数据基础。
【数据集背景】
草花粉过敏是常见的过敏性疾病类型，其长期管理常涉及特异性免疫治疗等手段。GRASS 研究以非干预性设计在常规临床实践中开展，关注 Grassmuno® 这一产品在真实诊疗条件下的使用情况。与严格控制的临床试验不同，非干预性研究不主动分配治疗方案，而是观察日常医疗中实际发生的用药与诊疗行为，因此其数据能够反映真实世界中的临床实践特征。该数据集即围绕这一研究目的而建立，主题聚焦于草花粉过敏及相关的免疫治疗实践。
【数据内容】
依据源站描述，该数据集所对应的研究条件为草花粉过敏（Grass Pollen Allergy），研究目标为收集 Grassmuno® 在常规临床实践中的使用数据。数据内容围绕该产品在真实诊疗环境中的使用情况展开，可用于观察草花粉过敏免疫治疗在实际临床场景中的应用模式。关于具体变量、字段结构、样本规模、随访时长等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，对应研究英文名为 GRASS（Grass MATA MPL Real-world Assessment Study）。研究类型为非干预性研究，数据采集发生在常规临床实践环境中，而非通过人为设定干预措施的研究场景。关于采集机构、采集地区、采集时间窗口及具体采集流程，源站未提供。
【适用场景】
该数据集适用于过敏性疾病领域的真实世界研究场景，尤其是围绕草花粉过敏免疫治疗用药模式与临床实践的观察性分析。研究者可基于其了解 Grassmuno® 在常规诊疗中的使用情况，支持对真实世界用药实践的描述性观察。关于其他具体应用方向与分析方法，源站未提供。
【使用方法】
该数据集可用于观察性分析框架下的描述与总结，围绕草花粉过敏免疫治疗在真实临床实践中的使用情况展开分析。关于数据访问方式、数据格式、配套文档及具体分析指引，源站未提供。
【质量与限制】
该数据集对应非干预性研究设计，其数据反映常规临床实践中的真实情况，而非受控试验条件下的结果。关于数据完整性、样本代表性、缺失情况、偏倚控制及质量评估方法，源站未提供。使用时应结合非干预性研究的固有特点加以理解。
【引用与许可】
该数据集来源于 clinicaltrials.gov，对应研究英文名为 GRASS（Grass MATA MPL Real-world Assessment Study）。关于引用格式、许可条款及使用限制，源站未提供。
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/NCT07412990
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：草花粉过敏。本非干预性研究（NIS）的目的是收集草免疫®（Grassmuno®）在常规临床实践中使用的数据。
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。
