Molekule 用于过敏性鼻炎/哮喘研究
该数据集来自 clinicaltrials.gov，聚焦呼吸系统疾病中的哮喘，同时覆盖过敏性鼻炎与过敏性结膜炎。研究目的是评估便携式 PECO 空气净化器减轻过敏性鼻炎和哮喘症状的效果，采用随机、双盲、安慰剂对照试验设计，通过比较初始基线调查与结束调查来评估使用 PECO 空气净化器后是否出现变化
基本信息
资源简介
Molekule 用于过敏性鼻炎/哮喘研究
Molekule for Allergic Rhinitis/Asthma 数据集来自 clinicaltrials.gov，聚焦呼吸系统疾病中的哮喘，同时覆盖过敏性鼻炎与过敏性结膜炎。该数据集围绕一项评估便携式 PECO 空气净化器减轻过敏性鼻炎和哮喘症状效果的临床研究展开，采用随机、双盲、安慰剂对照试验设计，通过比较初始基线调查与结束调查，考察使用 PECO 空气净化器后是否出现变化。由于研究为双盲设计，参与者和研究者均在试验结束前不知道使用的是哪种设备。该数据集为关注空气净化干预与过敏性疾病、哮喘关系的研究人员提供了可参考的试验信息来源。
【数据集背景】
过敏性鼻炎、过敏性结膜炎与哮喘同属过敏性疾病范畴，常相互关联。该数据集所对应的研究关注便携式 PECO 空气净化器在减轻上述疾病症状方面的潜在作用。研究以随机、双盲、安慰剂对照的方式组织，旨在通过规范的试验设计判断空气净化设备使用前后症状是否发生变化。这一背景使数据集在呼吸系统疾病特别是哮喘相关研究中具有明确的主题指向。
【数据内容】
数据集的主题标签包括 Asthma、Allergic Rhinitis 与 Allergic Conjunctivitis，对应研究覆盖的疾病条件为哮喘、过敏性鼻炎和过敏性结膜炎。研究核心内容是评估便携式 PECO 空气净化器减轻过敏性鼻炎和哮喘症状的效果，并通过初始基线调查与结束调查的对比来观察使用设备后的变化。关于数据集的具体字段构成、样本量、变量类型与记录条数，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究采用随机、双盲、安慰剂对照试验设计，参与者和研究者均不知道试验期间使用的是哪种设备，直至试验结束。数据通过初始基线调查与结束调查收集，用于比较使用 PECO 空气净化器前后的情况。关于采集时间跨度、采集地点与具体采集流程，源站未提供。
【适用场景】
该数据集适用于呼吸系统疾病尤其是哮喘与过敏性疾病相关的研究场景，可用于了解空气净化干预在过敏性鼻炎和哮喘症状管理中的试验设计思路，也可作为过敏性疾病与哮喘交叉领域研究的参考信息。关于更具体的适用分析场景，源站未提供。
【使用方法】
依据现有信息，使用该数据集时可围绕基线调查与结束调查的对比来理解研究设计，即在随机、双盲、安慰剂对照框架下考察使用 PECO 空气净化器后症状是否出现变化。关于数据的具体读取方式、变量处理与统计分析方法，源站未提供。
【质量与限制】
该研究采用随机、双盲、安慰剂对照设计，参与者与研究者均不知晓设备使用情况，这有助于控制偏倚。但关于数据集的完整性、样本规模、随访时长与外部验证情况，源站未提供。使用时应结合源站信息进一步核实。
【引用与许可】
该数据集来源站为 clinicaltrials.gov。关于具体的引用格式与许可条款，源站未提供。
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/NCT03627689
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：哮喘、过敏性鼻炎、过敏性结膜炎。本研究的目的是评估便携式PECO空气净化器在减轻过敏性鼻炎和哮喘症状方面的疗效。通过采用随机、双盲、安慰剂对照试验，我们能够在完成初始基线调查后，评估使用PECO空气净化器后是否有任何变化，并与结束调查进行比较。这是一项双盲研究，意味着在试验结束之前，参与者和研究者都不知道使用的是哪种设备。
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。
