儿童哮喘队列多重随机对照试验
该数据集来自clinicaltrials.gov,聚焦儿童哮喘,采用队列多重随机对照试验(cmRCT)设计,旨在评估多种eHealth干预措施的效果,并生成哮喘儿童临床与患者报告结局的短期和长期数据

基本信息
资源简介
儿童哮喘队列多重随机对照试验
该数据集来自clinicaltrials.gov,聚焦儿童哮喘,采用队列多重随机对照试验(cmRCT)设计,旨在评估多种eHealth干预措施的效果,并生成哮喘儿童临床与患者报告结局的短期和长期数据。研究纳入4至18岁在MST接受治疗的合格哮喘儿童。数据可用于分析eHealth干预对哮喘症状及结局的影响,支持临床与患者报告结局的预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童哮喘。理由:测试eHealth干预似乎至关重要,因为eHealth提供了实时、客观地观察哮喘症状的可能性。传统随机对照试验(RCT)在分别评估多个eHealth组件的效果以及将干预想法转化为资助研究方案的漫长过程中面临挑战,这可能导致eHealth干预过时。目的:本研究旨在提供一个框架来评估(eHealth)干预的效果,并使用队列多重随机对照试验(cmRCT)设计生成哮喘儿童临床和患者报告结局的短期和长期数据。研究设计:CIRCUS研究是一项cmRCT,旨在在符合条件的哮喘儿童(4-18岁,在MST接受治疗)中测试多种eHealth干预。
【主题与分类】
主题标签:Pediatric 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/NCT06278662
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/NCT06278662
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。理由:测试eHealth干预措施似乎至关重要,因为eHealth提供了实时、客观地了解哮喘症状的可能性。传统的随机对照试验(RCTs)在分别评估多个eHealth组件的效果以及在将干预想法转化为有资金支持的研究方案的漫长过程中面临挑战,这可能导致eHealth干预措施面临过时的风险。目的:本研究旨在提供一个框架,以评估(eHealth)干预措施的效果,并采用队列多重随机对照试验(cmRCT)设计,生成哮喘儿童临床和患者报告结局的短期和长期数据。研究设计:CIRCUS研究是一项cmRCT,旨在在一个队列中测试多种eHealth干预措施对符合条件的哮喘儿童(4-18岁,在MST接受治疗)的效果。收集这些儿童的观察性临床数据,儿童及其父母定期填写问卷。
此外,随机选取符合条件的儿童参与干预,而未入选的儿童则留在对照组。研究人群:纳入的儿童年龄为4-18岁,根据全球哮喘防治创议(GINA)标准诊断为哮喘,并在Enschede的Medisch Spectrum Twente接受治疗。主要研究参数/终点:主要结局指标为生活质量(QoL)、哮喘结局(哮喘控制、肺功能)、照护质量、自我管理能力、医疗保健使用情况及治疗依从性。参与相关的负担与风险的性质和程度、获益及群体相关性:儿童和家长每月及每半年填写问卷。问卷包括:(C)-ACT、PAQLQ、CSQ-4和PAM-13。经与患者小组协商,我们选择了最短的验证问卷以减轻研究负担。其他数据(例如医疗保健使用情况)由r
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。




