Asthma Ctrl SMART 试验
该数据集来自 clinicaltrials.gov,主题为儿童及慢性哮喘,属于呼吸系统疾病范畴。研究围绕 mHealth 干预 Asthma Ctrl 展开,采用两阶段序贯多分配随机试验(SMART)设计,评估基于依从性监测的短信干预对青少年每日吸入性糖皮质激素依从性的改善效果,并考察治疗反应的预测

基本信息
资源简介
Asthma Ctrl SMART 试验
该数据集来自 clinicaltrials.gov,主题为儿童及慢性哮喘,属于呼吸系统疾病范畴。研究围绕 mHealth 干预 Asthma Ctrl 展开,采用两阶段序贯多分配随机试验(SMART)设计,评估基于依从性监测的短信干预对青少年每日吸入性糖皮质激素依从性的改善效果,并考察治疗反应的预测因素。研究由 Children's Hospital Colorado 参与的多中心 R01 项目开展,基线期后受试者被随机分配至 mHealth 哮喘管理应用对照组或 Asthma Ctrl 干预组,依从性超过 68% 者被排除。数据可用于哮喘依从性干预效果评估与治疗反应预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Asthma in Children, Asthma Chronic。我们的目标是评估我们前景广阔的 mHealth 干预(Asthma Ctrl),该干预易于获取,并根据依从性障碍进行定制,同时考察治疗反应的预测因素。在这项与 Children's Hospital Colorado 合作的多中心 R01 研究中,研究调查人员将开展一项两阶段序贯、多分配、随机试验(SMART),以评估我们的 mHealth 干预策略在改善哮喘青少年每日吸入性糖皮质激素依从性方面的有效性。在基线期之后,青少年将被随机分配至 mHealth 哮喘管理应用(对照组)或 Asthma Ctrl——一种基于依从性监测提供依从性反馈的短信干预(治疗组),用于 SMART 第 1 阶段。如果参与者的依从性 >68%,则将被排除在研究之外。对于 SMART Stag
【主题与分类】
主题标签:Asthma in Children、Asthma Chronic。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/NCT07512622
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/NCT07512622
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:儿童哮喘、慢性哮喘。我们的目标是评估我们前景广阔的移动健康干预(Asthma Ctrl),该干预易于获取并根据依从性障碍进行定制,同时探究治疗反应的预测因素。在这项与科罗拉多儿童医院合作的多中心R01研究中,研究调查人员将进行一项两阶段序贯、多轮随机分配试验(SMART),以评估我们的移动健康干预策略在改善哮喘青少年每日吸入皮质类固醇依从性方面的有效性。在基线期之后,青少年将被随机分配到移动健康哮喘管理应用程序(对照组)或Asthma Ctrl——一种基于依从性监测提供依从性反馈的短信干预(治疗组),进行SMART第一阶段。如果参与者的依从性超过68%,他们将被排除在研究之外。
在SMART二期试验中,随机分配至治疗组但表现出不依从( adherence ≤68%;无响应)的青少年,将接受第二次随机分配,接受以下两种干预之一:1)继续哮喘控制(短信提醒)或2)哮喘控制+(在哮喘控制基础上,通过远程医疗提供的问题解决干预)。因此,本SMART将测试三种干预策略:#1对照组、#2治疗组,以及二期后及随访时(1个月和6个月)调整后的治疗组。这一创新的SMART设计将针对简要总结中所述的目标进行研究。
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。




