卡特里娜飓风后新奥尔良哮喘儿童研究
研究为前瞻性对照试验,将儿童随机分配至两组,其中一组接受哮喘咨询师(AC)干预,内容涵盖病例管理、用药依从性及过敏原回避教育,并强化家庭内霉菌、过敏原与潮湿环境的教育

基本信息
资源简介
卡特里娜飓风后新奥尔良哮喘儿童研究
该数据集来自 clinicaltrials.gov,对应 Head-off Environmental Asthma in Louisiana(HEAL)研究,聚焦卡特里娜飓风后新奥尔良地区患有哮喘与过敏的儿童。研究为前瞻性对照试验,将儿童随机分配至两组,其中一组接受哮喘咨询师(AC)干预,内容涵盖病例管理、用药依从性及过敏原回避教育,并强化家庭内霉菌、过敏原与潮湿环境的教育。数据可用于评估灾后环境暴露对儿童哮喘的影响及干预效果(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:哮喘、过敏。本文件呈现了在路易斯安那州新奥尔良开展 Head-off Environmental Asthma in Louisiana(HEAL)研究的方案。HEAL 研究的目标是实施并检验一项哮喘咨询师(AC)干预计划,以应对卡特里娜飓风对新奥尔良哮喘儿童的多维度影响。HEAL 是一项前瞻性对照试验,儿童将被随机分配到两个治疗组之一。第 1 组儿童将接受 AC 干预,重点为病例管理、用药依从性以及过敏原回避教育。本研究中 AC 的职责相较于既往举措(如 National Cooperative Inner City Asthma Study(NCICAS)的 AC 干预)有所强化,还需为家庭提供旨在减少家中霉菌、过敏原和潮湿的教育。
【主题与分类】
主题标签:Asthma、Allergies。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/NCT00426634
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/NCT00426634
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、过敏。本文档介绍了在路易斯安那州新奥尔良开展的“路易斯安那州环境与哮喘去源头研究”(HEAL)的实施方案。HEAL研究的目标是实施并检验一项哮喘辅导员(AC)干预计划,以应对飓风卡特里娜对新奥尔良哮喘儿童的多方面影响。HEAL是一项前瞻性对照试验,儿童将被随机分配到两个治疗组之一。第1组儿童将接受AC干预,重点在于病例管理、用药依从性以及过敏原回避教育。与以往类似项目(如国家城市内城儿童哮喘合作研究(NCICAS)的AC干预)相比,本研究中的AC职责有所扩展,还需为家庭提供旨在减少家中霉菌、过敏原和潮湿的教育,并提供辅助材料(除湿机和HEPA空气过滤器)。由于新奥尔良90%的哮喘儿童对灰尘过敏原敏感,成熟的过敏原控制措施也将纳入AC干预中。
第2组儿童将接受基于美国国家哮喘教育与预防项目(NAEPP)-NIH指南的高质量标准化照护。研究结束时,将向第2组儿童提供简化的AC干预。两种治疗均将在12个月内实施,在此期间,两组儿童都将接受全面的临床评估(基线和12个月时)以及三次家庭环境评估(重点关注潮湿、霉菌及其他过敏原)。除监测AC在环境修复教育方面的有效性外,家庭环境评估还将有助于在一定程度上描述过敏原、卡特里娜飓风后环境暴露与哮喘发病率之间的关系。除强化AC干预外,还将开展一项单独的基于学校的调查,调查对象为
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。




