日本脑炎疫苗与MMR疫苗联合接种的免疫原性与安全性
该数据集来自clinicaltrials.gov，聚焦日本脑炎疫苗与麻疹-腮腺炎-风疹（MMR）疫苗联合接种的免疫原性与安全性研究
基本信息
资源简介
日本脑炎疫苗与MMR疫苗联合接种的免疫原性与安全性
该数据集围绕日本脑炎疫苗与麻疹-腮腺炎-风疹（MMR）疫苗联合接种的免疫原性与安全性研究而建立，来源于临床试验注册平台clinicaltrials.gov，主题涉及日本脑炎、麻疹、腮腺炎与风疹。研究的核心问题在于：当把一种新的疫苗纳入扩大免疫规划（EPI）时，需要提供证据表明该疫苗可以与其它常规儿童疫苗同时接种，而不会显著削弱对任何一种疫苗的免疫应答，同时尽可能提高接种覆盖率并降低接种成本。该研究采用非劣效性设计，旨在比较CD-JEV与MMR疫苗在MMR正在引入或计划引入的国家儿童人群中的免疫应答情况，相关结果可帮助卫生部门评估将CD-JEV纳入常规扩大免疫规划的可行性。数据集在分类上归属于免疫系统疾病/其他类别，主题标签涵盖日本脑炎、麻疹、腮腺炎和风疹。
【数据集背景】
在扩大免疫规划中引入新疫苗时，各国卫生部门需要权衡接种覆盖率、成本和免疫效果等多方面因素。若新疫苗能够与既有常规儿童疫苗同时接种而不显著干扰彼此的免疫应答，则有助于简化接种程序、提高覆盖率并控制成本。该研究正是在这一背景下提出的，其目标是在MMR疫苗引入工作正在进行或已有计划的国家中，比较CD-JEV与MMR的免疫应答，从而为卫生部门评估将CD-JEV纳入常规EPI提供依据。研究所关注的条件包括日本脑炎、麻疹、腮腺炎和风疹。
【数据内容】
该数据集对应的研究为一项非劣效性研究，比较CD-JEV和MMR疫苗在儿童人群中的免疫应答。研究涉及的条件为日本脑炎、麻疹、腮腺炎与风疹，主题标签与上述疾病一致。关于数据集所包含的具体变量、样本量、受试者年龄范围、分组方式、免疫原性指标的具体定义与安全性结局的详细条目，源站未提供。
【采集与来源】
该数据集来源于临床试验注册平台clinicaltrials.gov，属于该平台登记的临床试验记录。关于数据采集的具体时间范围、采集地点、采集机构、受试者招募方式以及数据收集的具体流程，源站未提供。
【适用场景】
该数据集可用于了解日本脑炎疫苗与MMR疫苗联合接种的免疫原性与安全性研究的总体设计与目的，适合关注儿童常规免疫规划中多疫苗同时接种问题的研究人员、公共卫生工作者和卫生决策相关人员参考，也可用于理解在MMR引入背景下评估CD-JEV纳入常规EPI的相关研究思路。关于该数据集在具体分析、建模或二次研究中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、文件格式、字段说明、数据处理步骤或分析建议等。
【质量与限制】
该数据集为临床试验注册记录，其研究设计为非劣效性研究。关于数据的完整性、准确性、样本代表性、随访时长、缺失数据情况以及其它质量相关指标，源站未提供。使用时应注意到注册记录所反映的是研究设计与目的层面的信息，具体结果数据需以源站进一步信息为准。
【引用与许可】
源站未提供该数据集的引用格式与许可条款信息。
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/NCT02880865
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：脑炎、日本脑炎、麻疹、腮腺炎、风疹。在将新疫苗纳入扩大免疫规划（EPI）时，重要的是提供证据表明该疫苗可以与其他常规儿童疫苗同时接种，而不会显著损害对任何疫苗的免疫应答，同时最大化覆盖率和最小化成本。这项非劣效性研究旨在比较CD-JEV和MMR在一个正在或计划引入MMR的国家儿童群体中的应答。这些信息将帮助卫生部评估将CD-JEV纳入常规EPI的可能性。
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。
