Mepolizumab 在重度嗜酸性哮喘与支气管扩张中的有效性
本数据集来自 clinicaltrials.gov,主题为 Mepolizumab 在重度嗜酸性哮喘合并支气管扩张中的有效性

基本信息
资源简介
Mepolizumab 在重度嗜酸性哮喘与支气管扩张中的有效性
本数据集来自 clinicaltrials.gov,主题为 Mepolizumab 在重度嗜酸性哮喘合并支气管扩张中的有效性。源站描述涉及支气管哮喘与支气管扩张两类疾病,并说明哮喘为慢性呼吸系统疾病,存在支气管炎症、气道高反应性与可逆性支气管阻塞,可引发日常症状与不可预测的急性加重。重度哮喘占哮喘框架的 5% 至 10%,估计占该病总成本的 60% 以上,需 GINA 第 4 或 5 级治疗。该数据可用于重度哮喘治疗与预后相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:支气管哮喘、支气管扩张。哮喘是一种慢性呼吸系统疾病,其中支气管炎症、气道高反应性和可逆性支气管阻塞持续存在,引发日常症状并触发不可预测的急性加重。重度哮喘的患病率在哮喘框架中为 5% 至 10%,估计占该疾病总成本的 60% 以上。重度哮喘需要全球哮喘防治创议(GINA)第 4 或 5 级治疗(例如高剂量吸入性糖皮质激素/长效β2受体激动剂(ICS/LABA)),以达控制,或尽管采用该治疗或其他适当治疗干预仍(完全或部分)保持“未控制”。重度哮喘是一种高度异质性疾病,常与多种合并症和危险因素相关,从而导致相应地将重度哮喘患者划分为同质组
【主题与分类】
主题标签:Bronchial Asthma、Bronchiectasis。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/NCT05189613
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/NCT05189613
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
疾病:支气管哮喘、支气管扩张。哮喘是一种慢性呼吸系统疾病,其特征为支气管炎症、气道高反应性和可逆性支气管阻塞,引发日常症状并触发不可预测的急性加重。重度哮喘的患病率在哮喘框架中占5%至10%,估计占该疾病总成本的60%以上。重度哮喘需要全球哮喘防治创议(GINA)第4或第5级治疗(例如高剂量吸入性糖皮质激素/长效β2受体激动剂(ICS/LABA)),以实现控制,或尽管采取此治疗或其他适当的治疗干预,仍(完全或部分)处于“未控制”状态。重度哮喘是一种极为异质性的疾病,常与多种合并症和危险因素相关,从而导致将重度哮喘患者相应地划分为同质组。其结果是识别出多种重度哮喘表型,如与肥胖、吸烟习惯、慢性阻塞性肺疾病(COPD)、胃食管反流病(GERD)、慢性鼻窦炎、鼻息肉病、感染等相关的表型。
近年来,对共病的识别和治疗至关重要,因为这有可能改善哮喘控制及预后。与支气管扩张相关的重度未控制哮喘是一种新出现的表型。多项研究试图确立哮喘与支气管扩张之间的关联。支气管扩张(BE)的患病率在重度哮喘中显著更高(范围为24-40%),而在较轻疾病中为3%。至少三分之一的重度哮喘患者在高分辨率胸部计算机断层扫描(HRCT)上显示存在BE。这种表型尤其在重度、晚发性嗜酸性粒细胞性哮喘患者中被描述。为了改进对更严重形式哮喘的治疗方法,生物治疗已经实现。最近,美泊利单抗,一种IL-5拮抗剂,已商业化。美泊利
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。




