重症哮喘与重症学龄前喘息儿童的纵向评估
该数据集来源于 clinicaltrials.gov，聚焦儿童哮喘领域，涵盖重症哮喘与重症学龄前喘息儿童。源站描述显示其通过横断面研究，对哮喘儿童与健康对照进行临床特征、生理测量及生物标志物无创检测的表征，并开发重症哮喘儿童的表型指纹
基本信息
资源简介
重症哮喘与重症学龄前喘息儿童的纵向评估
该数据集英文名为 Longitudinal Assessment of Children With Severe Asthma and Severe Pre-school Wheeze，来源于 clinicaltrials.gov，主题聚焦儿童哮喘领域，涵盖重症哮喘儿童与重症学龄前喘息儿童两类人群。源站描述表明，该研究为一项横断面研究，旨在对哮喘儿童与健康对照进行表征，涉及临床特征、生理测量以及生物标志物的无创检测，并在此基础上开发重症哮喘儿童的表型指纹。该数据集在本站归入呼吸系统疾病下的哮喘分类，主题标签为 Asthma，可为儿童哮喘尤其是重症哮喘的表型研究与对照比较提供数据参考。
【数据集背景】
哮喘是儿童期常见的慢性呼吸系统疾病，其中重症哮喘与学龄前喘息儿童在临床表型、生理特征与生物标志物表现上存在较大异质性，识别其表型特征对疾病评估与管理具有重要意义。该数据集所对应的研究以横断面设计为基本框架，围绕哮喘儿童与健康对照之间的比较展开，重点关注重症哮喘儿童与重症学龄前喘息儿童这两类人群，试图通过多维度表征刻画其临床与生物学特征，并进一步开发针对重症哮喘儿童的表型指纹。这一背景信息来自源站对研究条件的描述，体现了该数据集在儿童哮喘表型研究方面的定位。
【数据内容】
依据源站描述，该数据集涉及的内容包括三个主要方面：一是临床特征，即对儿童哮喘患者与健康对照的临床表型信息进行表征；二是生理测量，即对研究对象开展生理层面的测量；三是生物标志物的无创检测，即采用非侵入性方式获取生物标志物相关信息。研究的最终目标之一是开发重症哮喘儿童的表型指纹。关于具体包含哪些变量、测量指标的数量、样本规模以及随访时间等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov，本站分类为呼吸系统疾病 / 哮喘，主题标签为 Asthma。源站描述显示其研究类型为横断面研究，研究对象包括哮喘儿童与健康对照，并特别关注重症哮喘与重症学龄前喘息儿童。关于采集机构、采集地点、采集时间范围以及具体的采样流程，源站未提供。
【适用场景】
基于源站描述，该数据集可适用于儿童哮喘领域的表型研究场景，尤其是围绕重症哮喘儿童与重症学龄前喘息儿童的特征刻画与对照比较；也可用于涉及临床特征、生理测量与无创生物标志物等多维度指标的综合分析，以及重症哮喘儿童表型指纹开发相关的研究工作。关于其他具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、数据结构说明、变量字典以及分析建议等均未在源站描述中体现。
【质量与限制】
该数据集对应的是横断面研究设计，源站描述未提供样本量、数据完整性、缺失情况、质量控制措施以及偏倚控制等方面的信息，相关质量指标与局限性说明源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT01982162
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。一项横断面研究，旨在从临床特征、生理测量以及生物标志物的无创检测方面描述哮喘儿童队列与健康对照队列的特征，并为重症哮喘儿童开发表型指纹图谱。
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。
