慢性阻塞性肺疾病（COPD）患者对减毒活流感病毒（LAIV）的免疫应答
该数据集来自 clinicaltrials.gov，聚焦慢性阻塞性肺疾病（COPD）患者经鼻接种减毒活流感病毒（LAIV）后的鼻免疫应答
基本信息
资源简介
慢性阻塞性肺疾病（COPD）患者对减毒活流感病毒（LAIV）的免疫应答
该数据集来自 clinicaltrials.gov，聚焦慢性阻塞性肺疾病（COPD）患者经鼻接种减毒活流感病毒（LAIV）后的鼻免疫应答。研究为早期 Phase 1、单中心、单组、非盲暴露研究，比较频繁急性加重 COPD 患者、非频繁急性加重 COPD 患者与健康对照之间的鼻免疫应答差异。健康对照定义为肺功能检查正常且无哮喘史。数据可用于探索 COPD 患者对 LAIV 的免疫反应特征及急性加重频率与免疫应答的关系（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：COPD。本研究是一项早期 Phase 1、单中心、单组、非盲暴露研究，旨在观察受控暴露于 LAIV 后的鼻免疫应答。本试验将检测两组患病人群以及健康对照者对鼻流感疫苗的鼻免疫应答差异：频繁急性加重的 COPD 患者（定义为既往 12 个月内出现两次或以上 COPD 症状加重且需要抗生素和/或类固醇治疗的个体）和非频繁急性加重的 COPD 患者（定义为既往 12 个月内出现少于两次 COPD 症状加重且需要抗生素和/或类固醇治疗的个体）。还将招募健康对照队列，定义为肺功能检查证实肺功能正常且无哮喘史的个体。总共 15 名 COPD 频繁急性加重
【主题与分类】
主题标签：COPD。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/NCT04901455
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/NCT04901455
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
病症：慢性阻塞性肺疾病（COPD）。本研究是一项早期第一阶段、单中心、单组非盲法暴露研究，旨在探究控制性暴露于减毒活流感疫苗（LAIV）后的鼻腔免疫反应。本试验将测试两组患病个体与健康对照组在鼻腔流感疫苗鼻腔免疫反应上的差异：频繁急性加重的COPD患者（定义为过去12个月内出现两次或以上COPD症状恶化，需使用抗生素和/或类固醇治疗的个体）和非频繁急性加重的COPD患者（定义为过去12个月内COPD症状恶化需使用抗生素和/或类固醇治疗少于两次的个体）。同时，还将招募一个健康对照组，定义为经肺功能检测证实肺功能正常且无哮喘史的个体。本试验计划招募15名频繁急性加重的COPD患者、15名非频繁急性加重患者及10名健康对照者。研究者将尽可能平衡参与者性别，力求达到男性50%和女性50%。
在筛选访视时，在获得知情同意和获取医疗记录的授权后，所有潜在个体都将接受特定入选和排除标准的筛选，以确保其适合且安全地接种流感鼻喷疫苗。将进行基线评估，包括审查病史并核实资格、由研究研究者进行体格检查、支气管扩张剂使用前后的肺量计检测、用于筛查免疫缺陷状态的实验室检测[人类免疫缺陷病毒（HIV）抗体检测、全血细胞计数（CBC）及分类]、症状评估，以及若为绝经前女性则进行妊娠检测。怀孕、哺乳或目前正尝试怀孕的女性不符合本研究资格。筛选后符合资格的参与者将被召回进行入组访视，届时他们将接受基线
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。
