婴儿RSV免疫研究
该数据集来自 clinicaltrials.gov,主题为婴儿RSV免疫研究,关注呼吸道合胞病毒(RSV)与儿童哮喘。研究在加拿大不列颠哥伦比亚省开展,比较4至6月出生婴儿与9至11月出生婴儿在RSV自然暴露年龄上的差异,前者暴露时年龄大于6至9个月,后者小于4个月

基本信息
资源简介
婴儿RSV免疫研究
该数据集来自 clinicaltrials.gov,主题为婴儿RSV免疫研究,关注呼吸道合胞病毒(RSV)与儿童哮喘。研究在加拿大不列颠哥伦比亚省开展,比较4至6月出生婴儿与9至11月出生婴儿在RSV自然暴露年龄上的差异,前者暴露时年龄大于6至9个月,后者小于4个月。主要目标包括比较两队列季后的RSV免疫应答,以及比较3岁时的呼吸道结局;次要目标涉及识别与更强季后免疫相关的免疫成熟事件。数据可用于RSV感染风险、免疫应答及儿童哮喘相关呼吸道结局的预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:呼吸道合胞病毒、儿童哮喘。在加拿大不列颠哥伦比亚省,RSV病例每年10月中旬后上升,直至4月,12月达到高峰。本研究比较4至6月出生、将在6至9月龄以上自然暴露于RSV的婴儿与9至11月出生、将在4月龄以下自然暴露于RSV的婴儿之间的结局。大多数婴儿在其第一个RSV年份内感染。主要目标:1. 比较4至6月出生的春季队列与9至11月出生的秋季队列之间季后的RSV免疫应答。2. 比较4至6月出生的春季队列与9至11月出生的秋季队列之间3岁时的呼吸道结局。次要目标:1. 识别与更强季后相关的免疫成熟事件
【主题与分类】
主题标签:Respiratory Synctial Virus、Asthma Childhood。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/NCT07653347
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/NCT07653347
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:呼吸道合胞病毒、儿童哮喘。在加拿大不列颠哥伦比亚省,呼吸道合胞病毒病例每年在10月中旬后上升,直至次年4月,并在12月达到高峰。本研究比较4月至6月出生的婴儿与9月至11月出生的婴儿之间的结局,前者将在6至9月龄后自然暴露于呼吸道合胞病毒,后者将在4月龄前自然暴露于呼吸道合胞病毒。大多数婴儿在其首个呼吸道合胞病毒流行年度内感染。主要目标:1. 比较4月至6月出生的春季队列婴儿与9月至11月出生的秋季队列婴儿在流行季后的呼吸道合胞病毒免疫应答。2. 比较4月至6月出生的春季队列婴儿与9月至11月出生的秋季队列婴儿在3岁时的呼吸系统结局。次要目标:1. 识别与更强流行季后呼吸道合胞病毒抗体应答相关的免疫成熟事件。2. 确定婴儿在出生后第一年内肠道和上呼吸道微生物群如何共同演化,以及这些动态如何影响呼吸道合胞病毒风险,并如何受到宿主相关因素、特别是季节性因素(即4月至6月与9月至11月)的影响。3.
比较春季出生(4月至6月)婴儿队列与秋季出生(9月至11月)婴儿队列在急性RSV感染期间的免疫应答。设计:前瞻性、观察性队列研究,纳入300对在春季(4月至6月)或秋季(9月至11月)分娩的父母-婴儿配对,随访至3岁。招募与知情同意程序:计划在BC Women’s Hospital分娩或居住在大温哥华地区的分娩父母,通过BC Women’s Hospital产前超声诊所或社交媒体识别,并由研究协调员通过当面、电话或短信联系。有意参与者完成在线资格问卷,如符合条件,则填写在线同意书。张贴在医院、当地诊所、当地社区中心和社交媒体上的研究广告可引导有意向者
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。




