儿童哮喘吸气训练机制研究(MICA)

MICA 是来自 clinicaltrials.gov 的儿童哮喘研究数据集,聚焦 6-17 岁有症状哮喘儿童(伴或不伴肥胖)

Duke UniversityDuke University
clinicaltrials
浏览 15
其他回归Asthma in ChildrenObesityPediatric ObesityPediatric Asthma
Mechanistic Study of Inspiratory Training in Childhood Asthma (MICA)

基本信息

模态
其他
任务类型
回归
创建/更新时间
2026-10-08

资源简介

儿童哮喘吸气训练机制研究(MICA)

MICA 是来自 clinicaltrials.gov 的儿童哮喘研究数据集,聚焦 6-17 岁有症状哮喘儿童(伴或不伴肥胖)。研究先开展横断面分析,比较瘦与肥胖哮喘儿童的肺力学,随后进行 SHAM 对照的三臂随机干预试验,评估吸气训练对小气道功能障碍和吸气肌功能的影响。核心假设是肥胖通过吸气肌疲劳/功能障碍和小气道功能障碍加重呼吸困难与哮喘控制,而吸气训练可改善吸气肌功能及小气道指标。该数据可用于哮喘呼吸机制、肥胖影响及吸气训练疗效的回归与预测分析(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:儿童哮喘、肥胖、儿童肥胖、儿童哮喘。对瘦和肥胖哮喘儿童的肺力学进行横断面分析研究,随后进行一项随机、SHAM 对照的三臂吸气训练干预试验,针对小气道功能障碍和吸气肌功能。MICA(儿童哮喘吸气训练机制研究)研究的核心目标是评估 6-17 岁有症状哮喘(伴或不伴肥胖)儿童对 IT 反应的关键呼吸机制。我们的核心假设是,肥胖通过吸气肌疲劳/功能障碍(IMD)和小气道功能障碍(SAD)促进呼吸困难和更差的哮喘控制,而 IT 将改善吸气肌功能和小气道指标。IT 试验的样本量计算和主要分析设计为传统

【主题与分类】

主题标签:Asthma in Children、Obesity、Pediatric Obesity、Pediatric 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/NCT05945355

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/NCT05945355

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

研究条件:儿童哮喘、肥胖、儿童肥胖、儿童哮喘。一项横断面分析研究,比较瘦弱和肥胖哮喘儿童的肺力学,随后进行一项随机、SHAM对照的三臂干预试验,探讨吸气训练对小气道功能障碍和吸气肌功能的影响。MICA(儿童哮喘吸气训练机制研究)研究的核心目标是评估6-17岁有症状哮喘患者(伴或不伴肥胖)对吸气训练(IT)的关键呼吸机制反应。我们的核心假设是,肥胖通过吸气肌疲劳/功能障碍(IMD)和小气道功能障碍(SAD)导致呼吸困难和哮喘控制恶化,而吸气训练将改善吸气肌功能和小气道指标。吸气训练试验的样本量计算和主要分析设计为传统的平行臂干预试验(任何剂量的吸气训练 vs. SHAM对照),第1-2次访视作为基线评估,主要吸气训练终点在第8周访视时收集。

涉及呼吸力学和肌肉功能测量的深度表型分析,以及一项包含吸气训练的随机对照试验,将致力于实现这些目标。

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