与学校合作管理哮喘(Project ASTHMA)
该数据集来自 clinicaltrials.gov,主题为哮喘,属于呼吸系统疾病范畴。Project ASTHMA 是一项为期 7 个月的学校随机对照干预试点试验,计划于 2018 年秋季从 3 个城市 SBHC 招募 40 名 4 至 14 岁持续性哮喘或频繁使用急性护理机构的学生

基本信息
资源简介
与学校合作管理哮喘(Project ASTHMA)
该数据集来自 clinicaltrials.gov,主题为哮喘,属于呼吸系统疾病范畴。Project ASTHMA 是一项为期 7 个月的学校随机对照干预试点试验,计划于 2018 年秋季从 3 个城市 SBHC 招募 40 名 4 至 14 岁持续性哮喘或频繁使用急性护理机构的学生。所有学生接受基于 NHLBI 指南的哮喘评估,包括肺量计测试,以确定资格和预防用药剂量。入组学生和家长接受哮喘教育,符合条件者按 SBHC 分层进行置换区组随机化,分入干预组或常规护理组。可用于研究学校场景下哮喘管理与干预效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘。学校哮喘项目(Project ASTHMA)是一项为期7个月的随机对照干预试点试验。2018年秋季,将从3个城市学校健康中心(SBHCs)招募40名4至14岁患有持续性哮喘或经常因哮喘前往急性护理机构就诊的学生。所有学生都将接受基于NHLBI指南的哮喘评估,以确定是否符合条件以及预防性药物的适当剂量。哮喘评估将包括肺功能测试。所有入组学生和家长将在入组时接受哮喘教育。符合条件的学生将按SBHC分层,采用置换区组随机化方法随机分配至干预组或常规护理组。学校健康中心的中级提供者将与学生的初级保健医生(PCP)合作,为干预组的学生开具预防性药物。这些学生在剩余学年中,每个上学日将由学校护士给予早晨剂量的预防性药物。学生及其家长将负责给予晚间和非上学日的剂量。随机分配至常规护理组的学生将被转回其PCP进行进一步的哮喘管理。所有参与者将在入组后1个月、3个月和7个月时重新评估,干预组将根据需要调整药物剂量。
【主题与分类】
主题标签: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/NCT03032744
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/NCT03032744
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
病症:哮喘。学校哮喘项目(Project ASTHMA)是一项为期7个月的随机对照干预试点试验。2018年秋季,将从3个城市学校健康中心(SBHCs)招募40名4至14岁、患有持续性哮喘或频繁因哮喘使用急性护理机构的学生。所有学生都将接受基于NHLBI指南的哮喘评估,以确定是否符合条件及预防药物的适当剂量。哮喘评估将包括肺功能测试。所有入组学生及家长将在入组时接受哮喘教育。符合条件的学生将按SBHC分层,采用置换区组随机化方法随机分配至干预组或常规护理组。学校健康中心的中级提供者将与学生的初级保健医生(PCP)合作,为干预组的学生开具预防药物。这些学生在剩余学年中,每个上学日将由学校护士给予早晨剂量的预防药物。学生及其家长将负责给予晚间和非上学日的剂量。
随机分配到常规护理组的学生将被转回其PCP进行进一步的哮喘管理。所有参与者将在入组后1个月、3个月和7个月时重新评估,干预组将根据需要调整药物剂量。
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。




