组胺药效学生物标志物指导儿童哮喘治疗(HAS3)
研究假设 HILD 高反应型儿童在标准哮喘方案中加入 LTZ 后哮喘控制更可能改善,而低反应型儿童则不然。数据可用于探索功能性生物标志物在儿童哮喘治疗决策中的作用,并支持对治疗反应的预测建模(来源 clinicaltrials.gov)

基本信息
资源简介
组胺药效学生物标志物指导儿童哮喘治疗(HAS3)
该数据集来自 clinicaltrials.gov,主题为儿童过敏性哮喘,聚焦组胺药效学生物标志物 HILD(Histamine Iontophoresis with Laser Doppler monitoring)与抗组胺药 LTZ(Levocetirizine)治疗反应之间的关系。研究假设 HILD 高反应型儿童在标准哮喘方案中加入 LTZ 后哮喘控制更可能改善,而低反应型儿童则不然。数据可用于探索功能性生物标志物在儿童哮喘治疗决策中的作用,并支持对治疗反应的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Allergic Asthma. 研究者假设,与 HILD 低反应型儿童相比,HILD(Histamine Lontophoresis with Laser Doppler monitoring)高反应型儿童在标准哮喘方案中加入抗组胺药 LTZ(Levocetirizine)后,更可能获得哮喘控制的改善。本研究将提供一个功能性生物标志物模型,用于为儿童治疗决策提供信息。这项工作在准确测试和验证生物标志物并预测儿童哮喘治疗反应方面具有新颖性。这项工作具有重要意义,因为它有可能改变当前儿童哮喘的治疗范式,其中对治疗反应的预测是一个优先事项。拟议研究将通过扩展哮喘治疗领域的知识,把
【主题与分类】
主题标签:Allergic Asthma。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04699604
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/NCT04699604
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:过敏性哮喘。研究者假设,与HILD(组胺离子导入结合激光多普勒监测)反应低下的儿童相比,HILD反应高敏的儿童在标准哮喘治疗方案中加入抗组胺药LTZ(左西替利嗪)后,更有可能改善哮喘控制。本研究将提供一个功能性生物标志物模型,为儿童治疗决策提供依据。这项工作在准确检测和验证生物标志物并预测儿童哮喘治疗反应方面具有新颖性。这项工作意义重大,因为它有可能改变当前儿童哮喘的治疗模式,其中预测治疗反应是一个优先事项。拟议的研究将通过将基于生物学和机制的方法与有效且廉价的哮喘治疗方法联系起来,扩展哮喘治疗领域的知识,从而具有直接的现实意义。
主要目标是确定HILD对6-17岁自我认同为非裔美国人/黑人和高加索人/白人、患有过敏性哮喘的儿童中抗组胺药治疗反应的预测,次要目标是开发一个稳健的过敏性哮喘儿童抗组胺药治疗反应预测模型。将有300名参与者,持续约17周。抗组胺药治疗反应的主要结局指标将通过哮喘控制的变化来确定,因为指南将哮喘控制视为治疗的主要目标。哮喘控制将基于哮喘控制测试(ACT®)(≥12岁儿童)或儿童哮喘控制测试(C-ACT®)(<12岁儿童)来确定,这些是评估儿童哮喘控制的经过验证的措施。ACT或C-ACT评分<19的儿童将被归类为哮喘未控制。评估将在筛选、第2、3和4次访视(参与者
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。




