高血压相关基因表达与4-7-8呼吸控制降压效果研究
研究1纳入200名18-59岁、来自泰国各地但现居东部地区的人员,血压正常、偏高或已确诊高血压均可,分析其血液中ADM、ANGPTL4、FOS、PTGS2、USP8五个基因的表达,以及肿瘤坏死因子-alpha和干扰素-gamma炎症标志物水平

基本信息
资源简介
高血压相关基因表达与4-7-8呼吸控制降压效果研究
该数据集来自clinicaltrials.gov,包含两项研究。研究1纳入200名18-59岁、来自泰国各地但现居东部地区的人员,血压正常、偏高或已确诊高血压均可,分析其血液中ADM、ANGPTL4、FOS、PTGS2、USP8五个基因的表达,以及肿瘤坏死因子-alpha和干扰素-gamma炎症标志物水平。研究2从研究1中招募75名志愿者,随机分为三组各25人。数据可用于探索高血压相关基因表达与炎症标志物特征,以及4-7-8呼吸控制对降压效果的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Genetic Predisposition to Disease、Breathing, Mouth。在研究1中,样本组包括200名18-59岁个体,来自泰国各地区但目前居住在东部地区。参与者可能血压正常、血压偏高或已被诊断为高血压。将分析参与者血液样本的以下变量:1)五个基因的表达——adrenomedullin (ADM)、angiopoietin-like 4 (ANGPTL4)、proto-oncogene c-Fos (FOS)、prostaglandin-endoperoxide synthase 2 (PTGS2) 和 ubiquitin specific peptidase 8 (USP8),以及2)炎症标志物——血液中肿瘤坏死因子-alpha和干扰素-gamma水平。在研究2中,样本组包括来自研究1的75名有兴趣参与的志愿者。这些志愿者将被随机分配到三组,每组25人。
【主题与分类】
主题标签:Genetic Predisposition to Disease、Breathing, Mouth。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07018128
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/NCT07018128
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:疾病遗传易感性、呼吸、口腔。在研究1中,样本组包括200名年龄在18-59岁之间的个体,他们来自泰国各地区,但目前居住在东部地区。参与者可能血压正常、患有高血压,或已被诊断为高血压。将对参与者的血液样本进行以下变量的分析:1)五种基因的表达——肾上腺髓质素(ADM)、血管生成素样蛋白4(ANGPTL4)、原癌基因c-Fos(FOS)、前列腺素内过氧化物合酶2(PTGS2)和泛素特异性肽酶8(USP8);2)炎症标志物——血液中肿瘤坏死因子-α和干扰素-γ的水平。在研究2中,样本组包括来自研究1的75名有兴趣参与的志愿者。这些志愿者将被随机分配到三组,每组25人。第一组是对照组,其参与者不接受任何呼吸训练。第二组将练习4-7-8呼吸技术,即吸气4秒、屏息7秒、呼气8秒——这构成一个循环。
他们将以每组6个循环重复此动作,每天三组,组间保持正常呼吸。第三组将进行深膈式呼吸练习,频率为每分钟6-10次呼吸,每次15分钟,每日两次。第二组和第三组的参与者均需连续三个月每天遵循其分配的呼吸训练计划。三个月结束时,所有参与者将接受与干预前相同变量的评估:1)收缩压和舒张压水平,2)血压变异性,3)炎症标志物,特别是血液中的肿瘤坏死因子-α和干扰素-γ水平。
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。




