Project 500 CHILD 研究
该数据集围绕儿童哮喘、儿童过敏、环境暴露与遗传易感性,整合多份临床与环境问卷及选定的婴儿生物样本,用于分析至1岁时的早期临床结局

基本信息
资源简介
Project 500 CHILD 研究
Project 500 CHILD Study 来自 clinicaltrials.gov,聚焦儿童哮喘与过敏相关研究。该数据集围绕儿童哮喘、儿童过敏、环境暴露与遗传易感性,整合多份临床与环境问卷及选定的婴儿生物样本,用于分析至1岁时的早期临床结局。主要结局为反复喘息发作与特应性发生,特应性以皮肤过敏原反应定义;次要结局包括特应性皮炎或湿疹及报告的食物过敏。研究者拟探索临床疾病模式并与多种生物标志物关联,评估其预测能力(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:儿童哮喘、儿童过敏、环境暴露、遗传易感性。Project 500 的目标是仔细分析一整套与早期临床结局(至1岁)相关的多项临床和环境问卷及选定的婴儿生物样本。主要临床结局是反复喘息发作和至1岁时特应性的发生。特应性由皮肤过敏原反应定义。次要结局包括特应性皮炎或湿疹,以及报告的食物过敏。研究者提出对临床疾病模式进行详细探索,并将这些模式与多种生物标志物的分析相关联,以确定其预测能力。来自纵向流行病学研究和临床试验的良好证据表明,过敏既是儿童哮喘的常见前兆,也是一种预测
【主题与分类】
主题标签:Asthma in Children、Allergy in Children、Environmental Exposure、Genetic Predisposition。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/NCT03225534
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/NCT03225534
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:儿童哮喘、儿童过敏、环境暴露、遗传易感性。项目500的目标是仔细分析一整套完整的多项临床和环境问卷,以及与早期临床结局(至1岁)相关的选定婴儿生物样本。主要临床结局是反复发作的喘息和1岁前特应性的发展。特应性由皮肤过敏原反应定义。次要结局包括特应性皮炎或湿疹,以及报告的food allergy。研究者提出对临床疾病模式进行详细探索,并将这些模式与多种生物标志物的分析相关联,以确定其预测能力。来自纵向流行病学研究和临床试验的良好证据表明,过敏既是儿童哮喘的常见前驱因素,也是儿童哮喘持续至成人的预测因素。“特应性进程”是一个公认的现象,即儿童在幼儿期发生特应性皮炎和/或food allergy,随后在儿童后期和成年期出现反复喘息和持续性特应性哮喘。
“500项目”中具体假设的选择反映了这一现象。“500项目”将检验四个具体假设:1. 孕期母亲饮食影响婴儿期的食物致敏;具体而言,避免食用某些食物(如花生)与该食物不耐受相关。关于饮食和预防特应性疾病的干预措施的研究主要集中在具有抗炎特性的食物(如n-3脂肪酸)、抗氧化剂(维生素E和锌)以及维生素D上。近期的荟萃分析提示,产前摄入维生素A、D、E、锌、水果和蔬菜以及地中海饮食具有有益效果。营养素可能通过免疫调节或儿童肠道微生物组影响哮喘的发生。尽管——或者可能是因为——20世纪90年代关于生命早期避免特定“高致敏性”食物(包括花生)的建议来自m
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。




