Jing Si Herbal Tea 用于长新冠肠脑互动研究数据集
该数据集来源于 clinicaltrials.gov,聚焦 Jing Si Herbal Tea 在长新冠肠脑互动相关研究中的应用,覆盖健康受试者、COVID-19 肺炎、肠易激综合征及功能性胃肠病等人群

基本信息
资源简介
Jing Si Herbal Tea 用于长新冠肠脑互动研究数据集
该数据集来源于 clinicaltrials.gov,聚焦 Jing Si Herbal Tea 在长新冠肠脑互动相关研究中的应用,覆盖健康受试者、COVID-19 肺炎、肠易激综合征及功能性胃肠病等人群。源站描述涉及功能性消化不良的 Rome IV 诊断标准、症状表现、疾病负担及中草药治疗探索,并提及由八种台湾本土草药组成的 Jing Si Herbal Tea Liquid Packet。数据可用于肠脑互动障碍与长新冠相关胃肠症状的研究分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:健康受试者、COVID-19 肺炎、肠易激综合征、功能性胃肠病。消化不良指慢性或复发性上消化道症状。根据 Rome IV 标准,功能性消化不良(FD)症状包括餐后饱胀、早饱、上腹痛或烧灼感,这些症状在常规检查后无法解释。由于病因不明且患病率高,FD 造成显著的心理生理负担。尽管 FD 目前与胃肠道局部炎症和微生物群改变相关,但现有 FD 治疗有效性有限。鉴于此,许多研究将中草药应用于 FD 并取得一定治疗获益。Jing Si Herbal Tea Liquid Packet 由八种台湾本土草药(wormwood、hickory grass、Ophiopogon japon
【主题与分类】
主题标签:Healthy Subjects、COVID-19 Pneumonia、Irritable Bowel Syndrome、Functional Gastrointestinal Disorders。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05668104
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/NCT05668104
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:健康受试者、COVID-19肺炎、肠易激综合征、功能性胃肠疾病。消化不良是指慢性或反复发作的上消化道症状。根据罗马IV标准,功能性消化不良(FD)的症状包括餐后饱胀、早饱、上腹痛或烧灼感,这些症状在常规检查后无法解释。FD因其病因不明且患病率高,造成显著的心理生理负担。尽管目前认为FD与胃肠道局部炎症和微生物群改变有关,但现有FD治疗方法的有效性有限。鉴于此,许多研究将中草药应用于FD并取得了一定的治疗效益。静思草本茶饮液包由八种台湾本土草本植物(艾草、山核桃草、麦冬、鱼腥草、桔梗、甘草、紫苏叶、菊花)组成,已获得卫生福利部颁发的特殊出口许可证。
静思本草茶液体包也已在临床试验中注册为2019冠状病毒病(COVID-19)的辅助治疗。初步数据表明,静思本草茶液体包可能改善COVID-19患者的胃肠道症状和焦虑。因此,本研究旨在通过双盲随机方式,探讨静思本草茶液体包对功能性消化不良(FD)患者身心负担及微生物群代谢物的影响。
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。




