儿童哮喘与环境研究 - CHASER 研究
CHASER 研究是一项在意大利巴勒莫儿童过敏与肺科门诊开展的观察性纵向研究,覆盖儿童哮喘患者。研究分两阶段:第一阶段为横断面研究,识别儿童哮喘控制的决定因素;第二阶段为纵向研究,针对持续性哮喘患者,聚焦哮喘急性发作与失控的预测因素、真实世界治疗指南依从性、通过唾液样本进行表型特征分析、通过鼻刷评估

基本信息
资源简介
儿童哮喘与环境研究 - CHASER 研究
CHASER 研究是一项在意大利巴勒莫儿童过敏与肺科门诊开展的观察性纵向研究,覆盖儿童哮喘患者。研究分两阶段:第一阶段为横断面研究,识别儿童哮喘控制的决定因素;第二阶段为纵向研究,针对持续性哮喘患者,聚焦哮喘急性发作与失控的预测因素、真实世界治疗指南依从性、通过唾液样本进行表型特征分析、通过鼻刷评估鼻黏膜改变与炎症变化,以及评估 8-isoprostane、尼古丁等标志物的存在。该数据可用于哮喘控制与发作预测、治疗依从性及生物标志物相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘。“儿童哮喘与环境研究 - CHASER 研究”是一项观察性纵向研究,在意大利巴勒莫国家研究委员会(CNR)生物医学与分子免疫研究所(IBIM)呼吸疾病研究中心(RDRC)儿童过敏与肺科(PAP)门诊开展(RDRC-IBIM CNR)。第一阶段——横断面研究将识别儿童哮喘控制的决定因素。第二阶段——纵向研究,针对持续性哮喘患者,将聚焦于: 哮喘急性发作与失控的预测因素 对哮喘治疗指南的真实世界依从性 通过收集唾液样本进行表型特征分析 通过鼻刷评估鼻黏膜的改变与炎症变化 * 评估 8-isoprostane、尼古丁、cot 的存在
【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/NCT02433275
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/NCT02433275
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:哮喘。“儿童哮喘与环境研究——CHASER研究”是一项观察性纵向研究,在意大利巴勒莫国家研究委员会(CNR)生物医学与分子免疫学研究所(IBIM)呼吸疾病研究中心(RDRC)儿童过敏与肺病门诊(PAP)(RDRC-IBIM CNR)开展。第一阶段——横断面研究将确定儿童哮喘控制的决定因素。第二阶段——纵向研究,针对持续性哮喘患者,将侧重于:* 哮喘急性发作和控制丧失的预测因素 * 哮喘治疗指南的实际依从性 * 通过采集唾液样本进行表型特征分析 * 通过鼻刷检评估鼻黏膜的改变和炎症变化 * 通过尿液分析评估8-异前列腺素、尼古丁、可替宁和双酚A的存在。CHASER项目有望增进对不同控制水平儿童哮喘患者的了解,识别哮喘急性发作和控制丧失的预测因素。
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。




