哮喘特征与招募登记库 3 (RACR3)
计划在选定的 OMB 定义 Metropolitan Statistical Areas (MSAs) 招募约 1,500 名各年龄段参与者，数据来自单次核心访视及可选额外访视，涵盖多种哮喘与过敏特征评估，以更灵活、高效、选择性和包容性地支持招募，同时遵循国家指南保障参与者安全
基本信息
资源简介
哮喘特征与招募登记库 3 (RACR3)
RACR3 是 clinicaltrials.gov 来源的多中心、非干预性登记库，旨在建立并维护参与者数据库，为 DAIT NIAID 资助的 Childhood Asthma in Urban Settings (CAUSE) 当前及未来研究提供招募来源。计划在选定的 OMB 定义 Metropolitan Statistical Areas (MSAs) 招募约 1,500 名各年龄段参与者，数据来自单次核心访视及可选额外访视，涵盖多种哮喘与过敏特征评估，以更灵活、高效、选择性和包容性地支持招募，同时遵循国家指南保障参与者安全。该数据可用于哮喘与过敏特征分析、研究招募策略评估及相关分类研究（来源 clinicaltrials.。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：哮喘。方案 CAUSE-02 RACR3 是一个多中心、非干预性登记库，旨在创建并维护一个参与者数据库，作为当前和未来 DAIT NIAID 资助的 Childhood Asthma in Urban Settings (CAUSE) 研究的招募来源。大约 1,500 名参与者——所有年龄段，居住在选定的 Office of Management and Budget (OMB) 定义的 Metropolitan Statistical Areas (MSAs)——将被纳入该登记库。登记库数据库将基于单次核心访视收集的数据生成，随后可选进行额外访视。该登记库将包括对各种哮喘和过敏特征的评估，以实现更灵活、高效、选择性和包容性的参与者招募方法，同时仍遵循国家指南以促进参与者安全。CAUSE 研究者可能邀请无哮喘的儿童或成人
【主题与分类】
主题标签：Asthma。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/NCT05272241
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/NCT05272241
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。方案CAUSE-02 RACR3是一个多中心、非干预性注册研究，旨在创建并维护一个参与者数据库，作为当前及未来由DAIT NIAID资助的城市儿童哮喘（CAUSE）研究的招募来源。大约1，500名参与者——涵盖所有年龄段，居住在选定的由管理和预算办公室（OMB）定义的大都市统计区（MSAs）——将被纳入该注册研究。注册数据库将基于单次核心访视收集的数据生成，随后可选择进行额外访视。该注册研究将包括对多种哮喘和过敏特征的评估，以实现更灵活、高效、选择性和包容性的参与者招募方法，同时仍遵循国家指南以促进参与者安全。CAUSE研究人员可能邀请无哮喘或特应性疾病的儿童或成人作为“健康”对照参与注册研究；用于实验室检测、研究监测设备和/或程序的验证；或用于研究人员的站点程序培训，以进行认证和质量保证。
参与者可随时亲自、通过电话或书面方式选择撤回其信息或退出登记。
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。
