诱导耐受性树突状细胞作为过敏性哮喘调节剂
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘与过敏。研究为单中心、开放标签、对照的机制性研究,采用过敏原滴注前后自身对照设计,受试者分为过敏性哮喘(AA)与健康对照(HC)两个队列,接受标准化猫过敏原提取物或标准化尘螨过敏原,不使用安慰剂

基本信息
资源简介
诱导耐受性树突状细胞作为过敏性哮喘调节剂
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘与过敏。研究为单中心、开放标签、对照的机制性研究,采用过敏原滴注前后自身对照设计,受试者分为过敏性哮喘(AA)与健康对照(HC)两个队列,接受标准化猫过敏原提取物或标准化尘螨过敏原,不使用安慰剂。数据可用于分析耐受性树突状细胞相关标志物表达变化、比较组间差异,以及评估重复测量与稳定表达标志物的可靠性,支持哮喘与过敏机制及生物标志物研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘、过敏。这是一项单中心、开放标签、对照的机制性研究,采用过敏原滴注前后自身对照设计,每位受试者作为其自身的对照。研究测量表达可靠性通过比较重复测量来实现。额外对照通过测量已知具有稳定表达的标志物来提供,包括细胞结构蛋白和研究者根据既往研究已知在该实验范式中被诱导的趋化因子标志物。这是一项研究性研究。受试者将接受一种研究性产品,即标准化猫过敏原提取物或标准化尘螨过敏原(Dermatophagoides farinae 或 D. pteronyssinus)。没有受试者会接受安慰剂。共有2个队列,过敏性哮喘患者(AA)和健康对照(HC)。主要比较将是测量
【主题与分类】
主题标签:Asthma、Allergies。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/NCT01711593
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/NCT01711593
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:哮喘、过敏。这是一项单中心、开放标签、对照机制性研究,采用过敏原滴注前后自身对照设计,即每位受试者作为其自身的对照。研究测量表达量的可靠性通过比较重复测量结果来实现。额外的对照通过测量已知表达稳定的标志物来提供,包括细胞结构蛋白和趋化因子标志物,研究者根据既往研究已知这些标志物在该实验范式中会被诱导表达。这是一项研究性研究。受试者将接受一种研究性产品,即标准化猫过敏原提取物或标准化尘螨过敏原(粉尘螨或屋尘螨)。不会有受试者接受安慰剂。研究分为2个队列:过敏性哮喘患者(AA)和健康对照者(HC)。主要比较将针对以下方面的主要和次要结局指标进行测量:(1)每位哮喘受试者肺内稀释剂对照段与过敏原激发段之间的比较;(2)过敏性哮喘患者(AA)与健康对照者(HC)之间这些反应的比较。
研究人员将招募20名AA受试者(第1轨道10名,第2轨道10名)和10名HC受试者(第1轨道)。不进行随机分组。过敏原的选择将通过过敏皮肤测试确定。当受试者对猫和尘螨均过敏时,将选择其中一种,目标是在每个队列中获得具有代表性的猫和尘螨激发样本。第1轨道中的10名过敏性哮喘(AA)受试者和HC受试者将接受初步筛查测试,并在一次机会中提供200毫升血液用于DC和T细胞研究。第1轨道受试者将不进行支气管镜检查、支气管肺泡灌洗或分段过敏原激发。第2轨道中的10名过敏性哮喘(AA)受试者将接受标准化猫或螨过敏原的SAC。这些受试者还将在相隔至少4周且不超过12周的两次机会中捐献200毫升血液。
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。




