肌注类固醇治疗慢性咳嗽的疗效
该数据集来自 clinicaltrials.gov,主题为肌注类固醇治疗慢性咳嗽的疗效,涉及慢性咳嗽、喉部疾病与咳嗽。源站描述指出,部分患者为“不明原因慢性咳嗽”,属排除性诊断,其病因常难以单独确定,但被认为与咳嗽感觉相关神经和/或喉黏膜的超敏反应及炎症有关

基本信息
资源简介
肌注类固醇治疗慢性咳嗽的疗效
该数据集来自 clinicaltrials.gov,主题为肌注类固醇治疗慢性咳嗽的疗效,涉及慢性咳嗽、喉部疾病与咳嗽。源站描述指出,部分患者为“不明原因慢性咳嗽”,属排除性诊断,其病因常难以单独确定,但被认为与咳嗽感觉相关神经和/或喉黏膜的超敏反应及炎症有关。Driessen 等提出类似理论,认为中枢与外周神经通路中胶质细胞相关的神经炎症可能以类似慢性疼痛的机制参与慢性咳嗽;胶质细胞可能是类固醇激素及其代谢物的重要靶点,影响炎症与兴奋性。该数据可用于慢性咳嗽机制与类固醇治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:慢性咳嗽(CC)、喉部疾病、咳嗽。相当一部分患者被发现患有“不明原因慢性咳嗽”,这是一种排除性诊断。对于这些患者,咳嗽的病因往往无法单独确定。然而,其原因被认为与参与咳嗽感觉的神经和/或喉黏膜的超敏反应和炎症有关。Driessen 等人描述的类似理论假设,与中枢和外周神经通路中胶质细胞相关的神经炎症可能以类似于慢性疼痛由该通路介导的方式导致慢性咳嗽。中枢和外周神经系统中的胶质细胞可能是类固醇激素及其代谢物的重要靶点,这可能对炎症和兴奋性作用产生影响。喉上神经注射已在 li 中得到充分研究
【主题与分类】
主题标签:Chronic Cough (CC)、Laryngeal Disease、Coughing。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06634823
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/NCT06634823
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
疾病情况:慢性咳嗽(CC)、喉部疾病、咳嗽。相当一部分患者被发现有“不明原因的慢性咳嗽”,这是一种排除性诊断。对于这些患者,咳嗽的病因往往难以单独确定。然而,其原因被认为与咳嗽感觉相关神经和/或喉部黏膜的超敏反应及炎症有关。Driessen等人描述了一个类似的理论,假设中枢和外周神经通路中与小胶质细胞相关的神经炎症可能以类似于慢性疼痛由该通路介导的方式导致慢性咳嗽。中枢和外周神经系统中的胶质细胞可能是类固醇激素及其代谢物的重要靶点,这些物质可能对炎症和兴奋性作用产生影响。喉上神经注射已在文献中得到充分研究,最近在南卡罗来纳医科大学进行了一项前瞻性安慰剂对照试验,用于神经源性咳嗽。该研究表明,与安慰剂相比,咳嗽有显著改善。
本研究通过将17名患者随机分配到对照组和类固醇/利多卡因注射组来完成。在治疗组中,80%的患者报告症状有所改善,而对照组中仅有14%的患者报告改善。采用莱斯特咳嗽问卷(LCQ)和视觉模拟评分来比较注射前后的咳嗽数据。假设的核心在于,SLN阻滞可能实际上是通过全身途径起效,因此注射部位可能并非咳嗽改善的关键。这一点结合了关于胶质细胞参与以及使用全身性类固醇抑制神经炎症通路的理论,使我们相信肌肉注射类固醇可以改善慢性咳嗽。因此,本研究聚焦于对慢性咳嗽患者使用全身性肌肉注射类固醇,我们假设患者的咳嗽症状会有所改善。
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。




