儿童哮喘风险被动数字标记的开发
该数据集来自 clinicaltrials.gov，聚焦儿童哮喘风险被动数字标记（PDM）的开发研究。研究关注儿科哮喘，尤其是学龄前儿童诊断不足与治疗不足的问题，现有基于风险评分的工具准确性有限、实用性差且临床证据不足
基本信息
资源简介
儿童哮喘风险被动数字标记的开发
该数据集英文名为 Developing a Childhood Asthma Risk Passive Digital Marker，本站归类于呼吸系统疾病 / 哮喘方向，来源站为 clinicaltrials.gov。其源站描述显示，该研究聚焦儿童哮喘（Pediatric Asthma）管理中的关键难题，即诊断不足与治疗不足，这一问题在学龄前儿童群体中尤为突出。研究指出，当前采用基于风险评分的工具进行预后评估，其准确性仅为差到中等水平，实用性不强，并且在临床环境中的有效性证据有限，因此并未在临床实践中被广泛采用。该研究的目标是评估儿童哮喘被动数字标记（passive digital marker，PDM）在儿科医生中的可用性、可接受性、可行性以及初步疗效，研究对象将纳入 IU Health Network 内执业的儿科医生。主题标签为 Pediatric Asthma。
【数据集背景】
该数据集所对应的研究，源于儿童哮喘管理中长期存在的现实困境。源站描述明确指出，诊断不足和治療不足是儿童哮喘管理中的主要问题，尤其在学龄前儿童中更为明显。现有的预后手段主要依赖风险评分类工具，但这些工具存在三方面不足：一是准确性仅处于差到中等之间；二是实际使用不便，难以融入日常临床流程；三是在临床场景中的有效性证据有限，导致其并未被广泛采纳。正是在这一背景下，研究提出开发儿童哮喘风险被动数字标记（PDM），并计划在儿科医生群体中检验其可用性、可接受性、可行性和初步疗效。该研究关注的是工具在真实临床使用者中的表现，而非仅仅关注模型本身的预测性能。
【数据内容】
源站未提供该数据集的具体数据内容细节，包括但不限于样本量、变量字段、数据类型、时间跨度、记录条数或标签定义等。源站描述仅说明研究将纳入 IU Health Network 内执业的儿科医生，并围绕儿童哮喘被动数字标记的可用性、可接受性、可行性和初步疗效展开评估。因此，关于数据集内部具体包含哪些数据项、以何种形式组织、是否包含临床指标或医生反馈数据等，源站未提供。
【采集与来源】
该数据集的来源站为 clinicaltrials.gov，表明其关联一项注册临床研究。源站描述指出，研究将纳入 IU Health Network 内执业的儿科医生作为研究对象。关于数据采集的具体方式、采集时间、采集地点、采集工具或随访安排等，源站未提供。该数据集在本站被归类为呼吸系统疾病 / 哮喘，主题标签为 Pediatric Asthma。
【适用场景】
根据源站描述，该研究的目标是确定儿童哮喘被动数字标记在儿科医生中的可用性、可接受性、可行性和初步疗效。因此，其适用场景主要围绕儿科哮喘管理，尤其是学龄前儿童的诊断不足与治疗不足问题，以及评估被动数字标记工具在临床医生实际使用中的表现。该研究并不直接等同于一个已广泛验证的临床预测工具，而是处于对工具可用性、可接受性、可行性和初步疗效进行检验的阶段。关于该数据集是否适用于其他人群、其他医疗机构或其他呼吸系统疾病，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括但不限于数据获取途径、访问权限、分析流程、配套代码、模型训练方式或评估指标等。源站描述仅提及研究将纳入 IU Health Network 内执业的儿科医生，并评估儿童哮喘被动数字标记的可用性、可接受性、可行性和初步疗效。关于研究者或使用者应如何调用、处理或复现该数据集，源站未提供。
【质量与限制】
源站描述本身已指出当前基于风险评分的工具存在准确性差到中等、实用性差、临床有效性证据有限等局限，这也是该研究试图通过被动数字标记加以改进的背景。但就该数据集自身的质量与限制而言，源站未提供具体信息，例如数据完整性、标注可靠性、样本代表性、偏倚控制、缺失值处理或外部验证情况等。研究纳入对象为 IU Health Network 内执业的儿科医生，这一范围是否影响结果的普遍性，源站未提供进一步说明。
【引用与许可】
源站未提供该数据集的引用格式、许可协议、使用条款或版权归属等信息。该数据集英文名称为 Developing a Childhood Asthma Risk Passive Digital Marker，来源站为 clinicaltrials.gov，本站分类为呼吸系统疾病 / 哮喘。关于如何引用、是否可以再分发或用于商业用途等，源站未提供。
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/NCT05826561
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
疾病：儿童哮喘。诊断不足和治疗不足是儿童哮喘管理中的一个主要问题，尤其是在学龄前儿童中。当前使用基于风险评分的工具进行预后评估的方法准确性低至中等，不切实际，并且在临床环境中的疗效证据有限，因此在实际应用中并未广泛采用。本研究旨在确定儿童哮喘被动数字标记（PDM）在儿科医生中的可用性、可接受性、可行性和初步疗效。研究将纳入IU健康网络内的执业儿科医生。
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。
