PROPULSION SANTE:炎症测定改善儿童与成人疑似哮喘的诊断路径
该数据集来自 clinicaltrials.gov,主题为呼吸系统疾病中的哮喘,聚焦儿童与成人疑似哮喘的诊断路径优化。源站描述涉及全球及加拿大、魁北克的哮喘患病情况,指出2型嗜酸性炎症在哮喘及重症患者中的比例,并提及通过呼出气一氧化氮(FeNO)和血嗜酸性粒细胞计数(BEC)进行无创识别,以及该炎症

基本信息
资源简介
PROPULSION SANTE:炎症测定改善儿童与成人疑似哮喘的诊断路径
该数据集来自 clinicaltrials.gov,主题为呼吸系统疾病中的哮喘,聚焦儿童与成人疑似哮喘的诊断路径优化。源站描述涉及全球及加拿大、魁北克的哮喘患病情况,指出2型嗜酸性炎症在哮喘及重症患者中的比例,并提及通过呼出气一氧化氮(FeNO)和血嗜酸性粒细胞计数(BEC)进行无创识别,以及该炎症类型与哮喘发作风险、肺功能下降和吸入性糖皮质激素(ICS)反应的关系。数据可用于哮喘相关炎症表型识别与诊断流程研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:哮喘、炎症、儿童哮喘。背景:哮喘是全球最常见的慢性疾病之一。在加拿大,它影响11%的人口。在魁北克,估计有90万人患有哮喘,其中包括30万名儿童。2型嗜酸性炎症存在于50%的哮喘病例和95%的重症患者中,后者消耗更多医疗资源。这种类型的炎症通过呼出气一氧化氮(FeNO)和血嗜酸性粒细胞计数(BEC)的非侵入性测量在临床上被识别。伴有2型炎症的哮喘患者哮喘发作风险更高,并且似乎在成人和儿童中都有肺功能加速下降的风险。2型炎症的存在预示对吸入性糖皮质激素(ICS)的强烈反应。目前,支气管舒张剂后可逆性和/或支气管高
【主题与分类】
主题标签:Asthma、Inflammation、Asthma in Children。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/NCT06981169
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/NCT06981169
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、炎症、儿童哮喘。背景:哮喘是全球最常见的慢性疾病之一。在加拿大,11%的人口受其影响。在魁北克省,估计有90万人患有哮喘,其中包括30万名儿童。2型嗜酸性粒细胞炎症存在于50%的哮喘病例中,以及95%的重症患者中,后者消耗更多的医疗资源。这种类型的炎症通过呼出气一氧化氮(FeNO)和血嗜酸性粒细胞计数(BEC)的无创测量在临床上被识别。伴有2型炎症的哮喘患者哮喘发作风险更高,并且似乎在成人和儿童中都有肺功能加速下降的风险。2型炎症的存在预示着对吸入性糖皮质激素(ICS)的强烈反应。目前,通过肺量计检测的支气管舒张剂后可逆性和/或支气管高反应性是获批用于诊断哮喘的两种主要方法。
80%的疑似哮喘病例需要进行支气管激发试验,但我们的人群面临该检查可及性严重不足的问题。在我们三个中心,这项耗时1-2小时的检查平均等待时间超过一年。目前,优先级依据申请接收顺序确定,内部转诊优先于外部转诊。在欧洲,FeNO已被用作初级保健中的辅助诊断工具,而在魁北克,仅在重症哮喘门诊中可及。2型嗜酸性炎症存在于50%的哮喘病例和95%的重症哮喘病例中。这种炎症可通过无创生物标志物识别,如FeNO和血嗜酸性粒细胞计数。存在2型炎症的个体发生哮喘发作的风险更高,且更可能出现呼吸功能加速下降,成人和儿童均如此。然而,2型炎症也预示对吸入性糖皮质激素(ICS)的强烈反应。这些标志物的识别代表了一项
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。




