识别可能从家庭评估与改善中获益的哮喘儿童登记与筛查工具
该数据集来自clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,面向儿童群体。数据覆盖学校卫生服务、登记与筛查、家庭访视、住房问题及健康社会决定因素等主题

基本信息
资源简介
识别可能从家庭评估与改善中获益的哮喘儿童登记与筛查工具
该数据集来自clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,面向儿童群体。数据覆盖学校卫生服务、登记与筛查、家庭访视、住房问题及健康社会决定因素等主题。源站描述涉及通过电子健康记录确认入组条件、电话联系家庭获取知情同意,并在入组后采集哮喘控制水平及环境筛查工具(EST)与社区倡导项目家庭哮喘筛查工具(CAPHAST)的应答。可用于识别可能从家庭评估与改善中获益的哮喘儿童,支持健康差异与健康状态差异相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘、Pediatric ALL、学校卫生服务、登记、医学信息学、家庭访视、住房问题、健康社会决定因素。在MetroHealth学校卫生计划注册(电子健康记录中存有已签署的父母同意书)且符合以下任一条件的学生将被考虑纳入:在活动问题列表中有哮喘诊断,或过去12个月内因哮喘相关诊断在急诊科或Express Care就诊,或当前药物列表中有缓解或控制吸入药物。研究人员将致电符合纳入标准的家庭讨论研究、确定纳入意愿并获取同意。入组后将获取基线测量,包括哮喘控制水平以及对环境筛查工具(EST)和社区倡导项目家庭哮喘筛查工具(CAPHAST)的应答(见CRES
【主题与分类】
主题标签:Asthma、Pediatric ALL、School Health Services、Registries、Medical Informatics、Home Visits、Housing Problems、Social Determinants of Health、Healthcare Disparity、Health Status Disparity。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/NCT03916237
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/NCT03916237
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、儿童急性淋巴细胞白血病(ALL)、学校卫生服务、登记系统、医学信息学、家访、住房问题、健康的社会决定因素。已注册加入MetroHealth学校卫生项目(电子健康记录中存有已签署的家长知情同意书),且符合以下任一条件的学生将被考虑纳入:在活动性问题列表中有哮喘诊断,或在过去12个月内因哮喘相关诊断在急诊科或快速诊疗中心就诊,或当前用药列表中有缓解性或控制性吸入药物。研究人员将致电符合纳入标准的家庭,讨论本研究、确定其是否有意参与并获取知情同意。入组后,将获取基线测量数据,包括哮喘控制水平以及对环境筛查工具(EST)和社区倡导项目家庭哮喘筛查工具(CAPHAST)的应答(见CREST电话筛查工具)。随后,参与者将被随机分为两组。第一组将接受常规照护。第二组将接受哮喘家庭评估干预。
根据筛查工具和家庭评估的结果,参与者将被分为四组(见CREST研究设计):A组(无转诊)、B组(仅家庭评估)、C组(家庭评估和整改)和D组(仅医疗法律合作转诊)。随机分配到常规护理组的参与者将在随机化后3个月和6个月时进行结局指标评估。随机分配到干预组的参与者将在干预完成后3个月和6个月时进行评估。
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。




