学龄前哮喘儿童呼吸道菌群失调:重度形式的预测
该数据集来源于 clinicaltrials.gov,聚焦学龄前哮喘儿童的呼吸道菌群失调,主题标签为 Asthma in Children 与 Dysbiosis

基本信息
资源简介
学龄前哮喘儿童呼吸道菌群失调:重度形式的预测
该数据集来源于 clinicaltrials.gov,聚焦学龄前哮喘儿童的呼吸道菌群失调,主题标签为 Asthma in Children 与 Dysbiosis。源站描述指出学龄前儿童哮喘患病率约为 11% 至 12%,吸入性糖皮质激素是主要治疗手段,但对部分儿童效果不足;研究借鉴囊性纤维化中肺型(pulmotypes)与肺菌群失调分期的发现,以及预测早期原发定植铜绿假单胞菌风险增加的微生物学特征,提出将菌群生物标志物用于哮喘等慢性肺病监测的设想。数据可用于探索菌群特征与哮喘严重程度之间的预测关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:儿童哮喘、菌群失调。学龄前儿童哮喘患病率估计在 11% 至 12% 之间。吸入性糖皮质激素治疗是主要疗法,然而这种治疗在某些儿童中似乎效果不足。近期在囊性纤维化方面的研究使得能够突出对应肺菌群失调不同阶段的肺型(pulmotypes),以及一种预测早期原发定植铜绿假单胞菌风险增加的微生物学特征。这些肺型是所谓“肠型分析(enterotyping)”的结果,这是一种生物统计学方法,能够根据微生物群分析对个体进行分层。鉴于这些数据,将利用微生物群生物标志物监测哮喘等慢性肺病的概念进行转化似乎是有意义的。假设是那里
【主题与分类】
主题标签:Asthma in Children、Dysbiosis。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/NCT05192499
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/NCT05192499
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、菌群失调。学龄前儿童哮喘的患病率估计在11%至12%之间。吸入性糖皮质激素治疗是主要治疗方法,然而该治疗在某些儿童中似乎效果不足。近期在囊性纤维化方面的研究使得能够突出与肺菌群失调不同阶段相对应的肺型,以及早期原发定植铜绿假单胞菌风险增加的预测性微生物学特征。这些肺型是所谓的“肠型分析”的结果,这是一种生物统计学方法,使得能够根据微生物群分析对个体进行分层。鉴于这些数据,将利用微生物群生物标志物监测哮喘等慢性肺部疾病的概念进行转化似乎是有意义的。假设是存在呼吸道菌群失调,导致3岁以下重症哮喘儿童对糖皮质激素治疗耐药。本研究的目标是研究呼吸道菌群失调与重症哮喘之间的差异(即
对吸入性糖皮质激素剂量小于或等于200μg氟替卡松等效剂量的抵抗)。DREAM是一项探索性多中心前瞻性病例对照研究。主要目的是研究36个月以下儿童中呼吸道菌群失调与重度哮喘(即对吸入性糖皮质激素剂量小于或等于200μg氟替卡松等效剂量抵抗)之间的差异。次要目的为:1. 比较36个月以下重度哮喘儿童与轻或中度哮喘儿童的肺部细菌型。2. 寻找与糖皮质激素抵抗相关的微生物生物标志物。3. 评估消化道菌群失调与重度哮喘(即对吸入性糖皮质激素剂量小于或等于200μg氟替卡松等效剂量抵抗)之间的关联。4. 寻找消化道菌群失调与呼吸道菌群失调之间的关联。
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。




