过敏与哮喘的早期起源
该数据集来自 clinicaltrials.gov,属于呼吸系统疾病/哮喘分类,主题涵盖过敏、哮喘、食物过敏、过敏性致敏与特应性皮炎

基本信息
资源简介
过敏与哮喘的早期起源
该数据集来自 clinicaltrials.gov,属于呼吸系统疾病/哮喘分类,主题涵盖过敏、哮喘、食物过敏、过敏性致敏与特应性皮炎。源站描述指出,过敏与哮喘的预防和治愈手段仍不明确,而特应性皮炎、食物过敏、过敏性鼻炎和哮喘很大程度上在生命最初1000天(从受孕到2岁生日)内决定。该队列旨在确定参与免疫反应早期建立的产前和围产期条件以及遗传和表观遗传因素,并探讨这些因素在子代过敏性疾病和哮喘风险后期决定中的作用。研究者设计了一个250个家庭的出生队列,在妊娠约14周时招募(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:过敏、哮喘、食物过敏、过敏性致敏、特应性皮炎。尽管近年来对过敏和哮喘发病机制的认识有所进展,但这些疾病仍没有明确的预防措施或治愈性治疗。越来越多的证据表明,特应性皮炎(AD)、食物过敏(FA)、过敏性鼻炎和哮喘很大程度上在最初1000天(从受孕到2岁生日所经过的时间)内决定。该队列旨在确定参与免疫反应早期建立的产前和围产期条件以及遗传和表观遗传因素,并探讨这些因素在子代过敏性疾病和哮喘风险后期决定中的作用。研究者设计了一个250个家庭的出生队列,在妊娠约14周时招募。计划对相关的过敏/哮喘相关基因进行基因分型
【主题与分类】
主题标签:Allergy、Asthma、Food Allergy、Allergic Sensitisation、Atopic Dermatitis。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/NCT04186949
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/NCT04186949
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:过敏、哮喘、食物过敏、过敏性致敏、特应性皮炎。尽管近年来在过敏和哮喘发病机制的认识方面取得了进展,但这些疾病仍缺乏明确的预防措施或治愈性治疗。越来越多的证据表明,特应性皮炎(AD)、食物过敏(FA)、过敏性鼻炎和哮喘在很大程度上是在生命最初1000天(从受孕到2岁生日所经过的时间)内决定的。本队列旨在确定参与免疫应答早期建立的产前和围产期条件以及遗传和表观遗传因素,并探讨这些因素在子代日后过敏性疾病和哮喘风险确定中的作用。研究者设计了一个包含250个家庭的出生队列,在妊娠期(约14周)招募。计划对相关过敏/哮喘相关变异进行基因分型,并将在脐带血中进行免疫表型分析和过敏生物标志物评估。在2岁时,研究者将评估婴儿是否已发生过敏性致敏、AD、FA以及包括哮喘预测指数在内的哮喘生物标志物。
该研究还将评估母体状况如何通过表观遗传修饰改变免疫编程,随后确认新生儿过敏/哮喘风险的表观遗传学线索。接下来,研究者将评估母体肠道、胎盘、母乳及婴儿肠道微生物组的组成/多样性,及其与出生时免疫表型和生物标志物、以及2岁时临床结局的关联。最后,另一个具体目标是评估环境暴露(围产期室外和室内污染、内毒素和过敏原)如何影响过敏性致敏、AD、FA的发生率及哮喘风险。
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。




