从童年到青春期的哮喘长期观察研究
该数据集源自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,同时涉及特应性皮炎、鼻炎和荨麻疹。源站描述指出,哮喘影响约15%的美国儿童,多达50%的青少年症状缓解并可停药,但成年后常复发,潜在风险因素包括肥胖、血清瘦素升高、青春期早发、污染物暴露、父母吸烟习惯和缺乏母乳喂养;儿童期

基本信息
资源简介
从童年到青春期的哮喘长期观察研究
该数据集源自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,同时涉及特应性皮炎、鼻炎和荨麻疹。源站描述指出,哮喘影响约15%的美国儿童,多达50%的青少年症状缓解并可停药,但成年后常复发,潜在风险因素包括肥胖、血清瘦素升高、青春期早发、污染物暴露、父母吸烟习惯和缺乏母乳喂养;儿童期男性更常见、青春期女性更常见的机制尚不明确。自1989年起,研究人员对英国怀特岛出生的一组儿童进行长期随访,以提供哮喘的长期信息。数据可用于探索哮喘复发风险因素及性别差异的预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:哮喘、特应性皮炎、鼻炎、荨麻疹。哮喘是一种严重的长期疾病,影响约15%的美国儿童。在青春期,多达50%的青少年停止出现症状并能够停止治疗。然而,对其中许多人来说,哮喘症状在成年期经常复发。目前尚不清楚导致这种复发的确切原因,但潜在风险因素可能包括肥胖、血清瘦素水平升高、青春期早发、污染物暴露、父母吸烟习惯和缺乏母乳喂养。此外,目前尚不清楚为什么儿童期哮喘最初在男孩中更普遍,但在青春期在女孩中变得更普遍。从1989年开始,一组在英国怀特岛出生的儿童一直被研究研究人员随访,以提供关于哮喘的长期信息。这些儿
【主题与分类】
主题标签:Asthma、Dermatitis, Atopic、Rhinitis、Urticaria。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/NCT00541255
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/NCT00541255
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
疾病条件:哮喘、特应性皮炎、鼻炎、荨麻疹。哮喘是一种严重的长期疾病,影响美国约15%的儿童。在青春期,高达50%的青少年停止出现症状并能够停止治疗。然而,对其中许多人来说,哮喘症状在成年期常常复发。目前尚不清楚导致这种复发的确切原因,但潜在的危险因素可能包括肥胖、血清瘦素水平升高、青春期提前、暴露于污染物、父母吸烟习惯以及缺乏母乳喂养。此外,目前也不清楚为什么儿童期哮喘最初在男孩中更为普遍,但在青春期则在女孩中更为普遍。从1989年开始,研究研究人员对一组在英国怀特岛出生的儿童进行了跟踪调查,以提供关于哮喘的长期信息。这些儿童多年来定期接受评估,现在已18岁。本研究的目的是分析参与者在18年期间收集的数据,以确定可能增加一个人在成年期经历持续性或复发性哮喘风险的因素。
在此前参与者1岁、2岁、4岁和10岁时的研究访视中,收集了以下信息:哮喘及其他过敏性疾病、哮喘家族史,以及早期生活危险因素,包括母乳喂养和烟草烟雾暴露。在参与者10岁研究访视时采集了血样。在本次研究中,所有18岁参与者将返回参加一次研究访视。参与者将完成关于哮喘和过敏症状及环境暴露(包括烟草烟雾和污染)的问卷。将进行血液采集、过敏皮肤点刺试验、肺功能检测,以及用于评估气道功能的支气管激发试验。部分参与者还将采集痰液样本。
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。




