预防喘息试验

本数据集来自 clinicaltrials.gov,主题为预防喘息试验,关注下呼吸道感染(LRTI)与反复喘息,属于呼吸系统疾病/哮喘方向

Norwegian University of Science and TechnologyNorwegian University of Science and Technology
clinicaltrials
浏览 12
表格预测Lower Respiratory Tract Infection (LRTI)Recurrent Wheezing
Prevent Wheeze Trial

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-08

资源简介

预防喘息试验

本数据集来自 clinicaltrials.gov,主题为预防喘息试验,关注下呼吸道感染(LRTI)与反复喘息,属于呼吸系统疾病/哮喘方向。该试验研究单剂地塞米松能否预防因 LRTI 住院的高危哮喘儿童出现反复喘息,受试儿童按 1:1 随机接受地塞米松 0.6 mg/kg 体重或安慰剂片剂,随访 12 个月,包含医生与研究护士的现场检查、电话联系及新发 LRTI 登记,并在指定访视采集鼻咽拭子和血液,学龄期还邀请参加肺功能评估随访。数据可用于儿童哮喘与反复喘息风险预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:下呼吸道感染(LRTI)、反复喘息。本试验研究单剂地塞米松能否预防因下呼吸道感染(LRTI)住院的高危哮喘儿童出现反复喘息。符合条件的儿童将在入院时或住院期间被识别并纳入,分配接受地塞米松 0.6 mg/千克体重或相同数量的安慰剂片剂(分配比例 1:1)。随访为 12 个月,包括由医生和研究护士进行的计划现场检查、计划电话联系以及新发 LRTI 发作(如有)的登记。将在指定访视时采集鼻咽拭子和血液。儿童将被邀请在学龄期参加随访研究以进行肺功能评估。

【主题与分类】

主题标签:Lower Respiratory Tract Infection (LRTI)、Recurrent Wheezing。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/NCT07858773

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/NCT07858773

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

条件:下呼吸道感染(LRTI)、反复喘息。本试验旨在探究单剂地塞米松能否预防因下呼吸道感染(LRTI)住院且具有哮喘高风险儿童的反复喘息。符合条件的儿童将在入院时或住院期间被识别并纳入研究,并随机分配接受地塞米松0.6毫克/千克体重或相同数量的安慰剂片剂(分配比例1:1)。随访期为12个月,包括由医生和研究护士进行的定期现场检查、定期电话联系以及新发LRTI发作(如有)的登记。将在特定访视时采集鼻咽拭子和血液。儿童将在学龄期被邀请参加随访研究,进行肺功能评估。

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