接受Benralizumab治疗的重度嗜酸性哮喘患者
该数据集来源于clinicaltrials.gov，聚焦接受Benralizumab治疗至少4个月的重度嗜酸性哮喘患者。研究采用回顾性设计，通过查阅病历收集人口学特征（年龄、性别、吸烟史）、合并症、临床功能变量、治疗反应变量（运动、口服糖皮质激素周期、住院、急诊或非计划就诊、累积口服激素剂量、缺勤）
基本信息
资源简介
接受Benralizumab治疗的重度嗜酸性哮喘患者
该数据集英文名为 Patients With Severe Eosinophilic Asthma Treated With Benralizumab，来源于 clinicaltrials.gov，本站将其归类于呼吸系统疾病下的哮喘类别，主题标签为 Asthma 与 Eosinophilic。数据集围绕重度嗜酸性哮喘这一疾病人群，聚焦于接受 Benralizumab 治疗至少 4 个月的患者，采用回顾性研究设计，通过查阅病历资料收集人口学特征、合并症、临床功能变量、治疗反应变量及副作用等信息。其核心目的在于分析此类患者在接受 Benralizumab 治疗并随访期间获得完全缓解的预测因素，为临床识别可能从该治疗中获益的人群提供数据基础。
【数据集背景】
重度嗜酸性哮喘是一种以嗜酸性粒细胞增多为特征的哮喘表型，患者往往面临症状控制不佳、急性发作频繁等临床挑战。Benralizumab 作为针对该疾病的一种治疗手段，其疗效在不同患者之间存在差异。该数据集所依托的研究即为回顾性分析接受 Benralizumab 治疗的重度嗜酸性哮喘患者，研究纳入的标准是患者在研究开始前已接受 Benralizumab 治疗至少 4 个月。研究的目的是分析这类患者中，在随访期间获得完全缓解者的治疗反应预测因素，从而为临床治疗决策提供参考。
【数据内容】
数据集涵盖的内容来自病历回顾，主要包括以下几类信息：人口学特征，如年龄、性别和吸烟情况；合并症的 presence；临床功能变量；治疗反应变量，具体包括运动情况、口服糖皮质激素周期、住院情况、急诊就诊或非计划就诊、累积口服糖皮质激素剂量以及因疾病导致的工作缺勤；此外还包括副作用相关信息。上述变量共同构成了对患者治疗反应进行综合评价的数据基础。
【采集与来源】
该数据集来源于 clinicaltrials.gov，属于呼吸系统疾病中哮喘相关数据。数据采集方式为回顾性研究，研究结果通过查阅医疗记录获得，而非前瞻性随访或实验测量。纳入对象为重度嗜酸性哮喘患者，且在研究开始前接受 Benralizumab 治疗至少 4 个月。
【适用场景】
基于其内容构成，该数据集适用于探讨重度嗜酸性哮喘患者接受 Benralizumab 治疗后的反应模式，尤其是用于分析完全缓解的预测因素。研究者可围绕人口学特征、合并症、临床功能变量与治疗反应变量之间的关系开展回顾性分析，也可用于了解该治疗背景下口服糖皮质激素使用、急诊就诊、住院及工作缺勤等结局的分布情况。副作用信息亦可用于治疗安全性相关的描述性分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
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/NCT05078281
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；嗜酸性。一项回顾性研究，研究重度嗜酸性哮喘。纳入研究开始前接受贝那利珠单抗治疗至少4个月的本病患者。本研究旨在分析接受贝那利珠单抗治疗的此类疾病患者中，在随访期间获得完全缓解者的应答预测因素。研究结果将通过查阅病历获得，评估内容包括人口学特征（如年龄、性别和吸烟情况）；合并症的存在；临床功能变量；应答变量（运动、口服糖皮质激素疗程、住院、急诊就诊或非计划就诊、口服糖皮质激素累积剂量、缺勤）以及副作用。
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。
