胰高血糖素样肽-1受体激动剂治疗成人肥胖相关症状性哮喘(GATA-3)

该数据集来自 clinicaltrials.gov,对应 GATA-3 临床试验,研究 semaglutide 在成人肥胖相关症状性哮喘中的治疗作用

Vanderbilt University Medical CenterVanderbilt University Medical Center
clinicaltrials
浏览 15
表格分类Asthma
Glucagon-Like Peptide-1 Receptor Agonist in the Treatment of Adult, Obesity-related, Symptomatic Asthma (GATA-3)

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-08

资源简介

胰高血糖素样肽-1受体激动剂治疗成人肥胖相关症状性哮喘(GATA-3)

该数据集来自 clinicaltrials.gov,对应 GATA-3 临床试验,研究 semaglutide 在成人肥胖相关症状性哮喘中的治疗作用。研究对象为 18 岁及以上、BMI≥30、无 II 型糖尿病的症状性哮喘患者,共 100 人。试验为随机、双盲、安慰剂对照、单中心的概念验证研究,监测哮喘症状、生活质量问卷和气道功能,并检测呼吸道与脂肪组织炎症标志物。参与者先观察 4 周,随后接受研究药物治疗 24 周,最后进行 2 周监测。数据可用于哮喘控制、气道炎症及代谢干预相关分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:哮喘。这是一项针对 semaglutide 的概念验证性随机、双盲、安慰剂对照、单中心临床试验,受试者为成人(年龄 18 岁或以上,n=100)、肥胖相关(BMI≥30)、无 II 型糖尿病的症状性哮喘患者。本研究将监测临床哮喘症状和生活质量问卷以及气道功能,以确定 semaglutide 对哮喘控制的影响。将监测呼吸道和脂肪组织炎症标志物,以确定 semaglutide 对气道炎症的影响。研究参与者将在被分配接受研究药物治疗前接受 4 周监测,治疗持续 24 周,随后进行 2 周的最终监测期。

【主题与分类】

主题标签: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/NCT05254314

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT05254314

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:哮喘。这是一项概念验证性随机、双盲、安慰剂对照、单中心临床试验,旨在研究司美格鲁肽在患有肥胖相关(BMI≥30)、有症状哮喘但无II型糖尿病的成人(年龄18岁及以上,n=100)中的应用。本研究将监测临床哮喘症状和生活质量问卷及气道功能,以确定司美格鲁肽对哮喘控制的影响。将监测呼吸道和脂肪组织炎症标志物,以确定司美格鲁肽对气道炎症的影响。研究参与者将在被分配接受研究药物治疗前接受4周监测,治疗持续24周,随后进行为期2周的最终监测期。

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。

获取专属数据定制方案