严重过敏性炎症及反应的自然史研究
该数据集来自 clinicaltrials.gov,聚焦严重过敏性炎症及反应的自然史,覆盖 PGM3 缺乏症、嗜酸粒细胞性和/或特应性皮炎、OSMR 缺乏症、原发性局限性皮肤淀粉样变、遗传性 α-类胰蛋白酶血症等疾病

基本信息
资源简介
严重过敏性炎症及反应的自然史研究
该数据集来自 clinicaltrials.gov,聚焦严重过敏性炎症及反应的自然史,覆盖 PGM3 缺乏症、嗜酸粒细胞性和/或特应性皮炎、OSMR 缺乏症、原发性局限性皮肤淀粉样变、遗传性 α-类胰蛋白酶血症等疾病。过敏性炎症是特应性皮炎、哮喘、过敏性鼻炎和食物过敏的核心发病机制,影响多达 5000 万美国人,其病理生理仍不明确。特应性皮炎在儿童中患病率可达 20%,与 IgE 显著升高和 Th2 炎症相关,治疗困难。该数据可用于研究过敏性疾病自然史、预测疾病进展及探索相关机制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:PGM3 缺乏症、嗜酸粒细胞性和/或特应性皮炎、OSMR 缺乏症、原发性局限性皮肤淀粉样变、遗传性 α-类胰蛋白酶血症。背景:过敏性炎症是过敏性疾病(包括特应性皮炎、哮喘、过敏性鼻炎和食物过敏)发病机制的核心。这些疾病很常见,影响多达 5000 万美国人,其病理生理学仍知之甚少。在过敏性疾病中,特应性皮炎很常见,儿童患病率高达 20%。它与最显著的 IgE 水平升高和最突出的 T-helper type 2 cell (Th2) 炎症相关,治疗仍然具有挑战性。特应性皮炎、嗜酸性炎症和全身性速发型超敏反应是许多儿童过敏性疾病的先兆表现,使这些疾病成为研究 th
【主题与分类】
主题标签:PGM3 Deficiency、Eosinophilic and/or Atopic Dermatitis、OSMR Deficiency、Primary Localized Cutaneous Amyloidosis、Hereditary Alpha-tryptasemia。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/NCT01164241
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/NCT01164241
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:PGM3缺乏症、嗜酸性和/或特应性皮炎、OSMR缺乏症、原发性局限性皮肤淀粉样变、遗传性α-类胰蛋白酶血症。背景:过敏性炎症是过敏性疾病发病机制的核心,包括特应性皮炎、哮喘、过敏性鼻炎和食物过敏。这些疾病很常见,影响多达5000万美国人,其病理生理机制仍知之甚少。在过敏性疾病中,特应性皮炎较为常见,儿童患病率高达20%。它与IgE水平最显著的升高和T辅助2型细胞(Th2)炎症最为突出相关,治疗仍具有挑战性。特应性皮炎、嗜酸性炎症和全身性速发型超敏反应是许多儿童过敏性疾病的先兆表现,使这些疾病成为研究促进过敏性疾病发生和发展的效应机制的理想疾病。
除这些表现外,还存在多种特征明确的遗传性和先天性疾病,多数在儿童期发病,具有显著的过敏表现,包括皮炎,或影响特应性通路。这些疾病为进一步加深我们对过敏性炎症疾病的遗传学和病理生理学认识提供了机会。NIAID过敏性疾病实验室(LAD)长期致力于探索过敏性炎症的机制。利用LAD和NIH临床中心的资源,我们将通过研究这些患者,加深对过敏性炎症以及过敏性疾病遗传学和发病机制的理解。本方案的研究结果将有助于改善过敏性疾病的诊断、治疗和预防,包括特应性哮喘。目标:本探索性方案的总体目标是研究重度过敏性炎症和超敏反应个体的自然史,重点关注具有已知或疑似遗传性或获得性遗传病因导致这些临床表现的个体和家系。
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。




