基层转诊疑似哮喘人群的即时血嗜酸性粒细胞与呼出气一氧化氮诊断及转化价值
该数据集来自 clinicaltrials.gov,聚焦因疑似哮喘由基层转诊的人群,主题涵盖哮喘、儿童哮喘、诊断与炎症。源站描述指出哮喘影响约10%的普通人群但诊断仍具挑战,血嗜酸性粒细胞与呼出气一氧化氮(FeNO)是2型炎症生物标志物,具有机制、预后与治疗诊断价值,可识别易发作患者及抗炎治疗获益人

基本信息
资源简介
基层转诊疑似哮喘人群的即时血嗜酸性粒细胞与呼出气一氧化氮诊断及转化价值
该数据集来自 clinicaltrials.gov,聚焦因疑似哮喘由基层转诊的人群,主题涵盖哮喘、儿童哮喘、诊断与炎症。源站描述指出哮喘影响约10%的普通人群但诊断仍具挑战,血嗜酸性粒细胞与呼出气一氧化氮(FeNO)是2型炎症生物标志物,具有机制、预后与治疗诊断价值,可识别易发作患者及抗炎治疗获益人群。数据可用于探索基层使用生物标志物辅助哮喘诊断与分型的价值(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、诊断、炎症。背景:哮喘影响10%的普通人群,但仍是诊断难题。考虑到支气管激发试验可及性差、特异性弱、临床效用低,需要更有效的诊断方法。血嗜酸性粒细胞和呼出气一氧化氮(FeNO)是2型炎症的生物标志物,在慢性哮喘中具有已确立的机制、预后和治疗诊断价值。具体而言,这些生物标志物可识别上皮层面存在持续警报素、2型细胞因子和趋化因子信号传导、驱动气道高反应性和肺功能加速下降的易发作患者。最重要的是,这些生物标志物还能识别从抗炎治疗中获益最大的人群。考虑到上述临床效用,在基层使用生物标志物来诊
【主题与分类】
主题标签:Asthma、Asthma in Children、Diagnosis、Inflammation。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/NCT05992519
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/NCT05992519
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
关键词:哮喘,儿童哮喘,诊断,炎症。
背景 哮喘影响普通人群的10%,但仍然是诊断上的挑战。考虑到支气管激发试验获取困难、特异性弱且临床实用性低,需要更有效的诊断方法。血嗜酸性粒细胞和呼出气一氧化氮(FeNO)是2型炎症的生物标志物,在慢性哮喘中已确立其机制性、预后性和治疗诊断价值。具体而言,这些生物标志物能够识别出具有持续警报素、2型细胞因子和趋化因子信号传导(在上皮水平驱动气道高反应性和加速肺功能下降)的高发作风险患者。最重要的是,这些生物标志物还能识别出从抗炎治疗中获益最多的患者。考虑到上述临床实用性,在初级保健中使用生物标志物来诊断疑似哮喘患者的气道疾病将代表一种非常有效的诊断策略。
假设:在初级保健机构中,对于肺功能检查无诊断意义且疑似哮喘的人群,测量血嗜酸性粒细胞和FeNO是一种可行的诊断策略,具有良好的准确性,并具有早期机制性洞察上皮信号通路的附加价值。目的:评估2型生物标志物在疑似哮喘且肺功能检查无诊断意义人群中的诊断性能参数。将根据生物标志物对鼻上皮衬液(NELF)和血清中的炎症蛋白(警报素、2型细胞因子、趋化因子)进行探索性分析。此项及其他次要探索性目标将有助于更好地从机制和操作层面理解2型生物标志物在疾病早期的价值。方法:研究者提出一项前瞻性观察性研究,探讨即时检测2型炎症生物标志物用于诊断哮喘的后勤可行性、受试者工作特征曲线(ROC)及机制价值(图)。该研究将纳入123名年龄≥18岁、肺功能检查无诊
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。




