ED发起的学校哮喘药物监督
该数据集来自 clinicaltrials.gov,主题为急诊科(ED)发起的学校哮喘药物监督,归类于呼吸系统疾病/哮喘

基本信息
资源简介
ED发起的学校哮喘药物监督
该数据集来自 clinicaltrials.gov,主题为急诊科(ED)发起的学校哮喘药物监督,归类于呼吸系统疾病/哮喘。源站描述指出美国约8%儿童患哮喘,每年发生400万次哮喘发作,导致72.5万次急诊就诊和10万次住院;哮喘儿童直接医疗支出比无哮喘儿童高75-90%,2016年总额达400亿美元,加上间接成本后年度经济负担达800亿美元。频繁缺课影响学业和社交功能,负担不成比例地落在少数族裔、低收入和城市人群。数据可用于研究儿童哮喘的疾病负担、医疗资源利用及学校药物监督相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:哮喘、儿童哮喘。美国约8%的儿童患有哮喘。每年,这些儿童经历400万次哮喘发作,导致72.5万次急诊就诊和10万次住院。毫不意外,哮喘儿童的直接医疗支出比无哮喘儿童高75-90%。2016年,这一金额总计400亿美元。当父母因照顾缺课的孩子而缺勤时,会产生大量间接成本。这些额外成本使哮喘的总经济负担每年增至800亿美元。频繁的哮喘相关缺课损害学业成绩和社会功能。这一负担不成比例地落在少数族裔、低收入和城市人群身上。例如,黑人儿童的急诊就诊次数比白人儿童多60%,住院次数多75%,尽管他
【主题与分类】
主题标签:Asthma、Asthma in Children。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/NCT03952286
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/NCT03952286
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
疾病情况:哮喘、儿童哮喘。美国约有8%的儿童患有哮喘。每年,这些儿童经历400万次哮喘发作,导致72.5万次急诊就诊和10万次住院。毫不意外的是,哮喘患儿的直接医疗支出比非哮喘患儿高75-90%。2016年,这一金额总计达400亿美元。当父母因照顾缺课的孩子而误工,会产生大量间接成本。这些额外成本使哮喘的总经济负担每年高达800亿美元。频繁的哮喘相关缺课会损害学业成绩和社会功能。这一负担不成比例地落在少数族裔、低收入和城市人群身上。例如,黑人儿童的急诊就诊次数比白人儿童多60%,住院次数多75%,尽管两者的哮喘发作率相似。ICS的依从性众所周知地差。20, 22, 23 在接受ICS处方的私人保险患者中,86%会在30天内再次取药,但仅64%会在180天内再次取药。
更糟糕的是,仅有3%的患者会补充足够的药物,以覆盖处方天数中大于或等于75%的用药日,而平均药物持有率约为20%。黑人和西班牙裔患者补充初始处方的可能性低20%,补充足够药物以覆盖处方天数中大于或等于75%的可能性低40%。在公共保险人群中,依从性同样不佳。在医疗补助保险的儿童中,ICS仅被补充到足以覆盖处方天数20%的程度;不到15%的儿童会补充足够药物以覆盖大于或等于50%的天数。在任何给定时间,40%的哮喘儿童病情未得到良好控制,其中很大一部分归因于不依从。模拟和建模研究表明,在开具ICS的患者中最大化ICS依从性可将医疗保健利用率降低25-45%。据推测,降幅甚至更大
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。




