哮喘且肺功能正常儿童的强迫振荡技术敏感性研究
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘与肺功能正常人群,研究强迫振荡技术(FOT)在哮喘诊断中的敏感性

基本信息
资源简介
哮喘且肺功能正常儿童的强迫振荡技术敏感性研究
该数据集来自 clinicaltrials.gov,聚焦儿童哮喘与肺功能正常人群,研究强迫振荡技术(FOT)在哮喘诊断中的敏感性。覆盖 6-18 岁、就诊于儿科肺科门诊、确诊哮喘且 spirometry 结果正常(FEV1 与 FEV1/FVC >80%,FEF25-75>65%)的儿童,包括治疗中或治疗前状态。数据可用于评估 FOT 对肺功能正常哮喘儿童的识别能力,支持哮喘诊断方法比较、无创检测指标分析及前瞻性观察研究设计参考(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:儿童哮喘。背景:哮喘的诊断和控制基于反复典型症状史,以及通过 spirometry 测量最大呼气流速所显示的可变气流阻塞。然而,许多哮喘儿童的 spirometry 可能正常。强迫振荡技术(FOT)是一种简单、无创的技术,在潮式呼吸期间进行,相对容易应用。本研究的目的是评估 FOT 在 spirometry 正常的哮喘儿童中的敏感性。研究设计:这将是一项前瞻性观察研究。人群:6-18 岁儿童,就诊于研究者机构的儿科肺科门诊,诊断为哮喘且 spirometry 结果正常(FEV1 和 FEV1/FVC >80%,FEF25-75>65%),无论正在接受治疗或治疗前。研究方案:在获得书面知情同意后,
【主题与分类】
主题标签: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/NCT03755908
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/NCT03755908
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:儿童哮喘。背景:哮喘的诊断和控制基于反复典型症状的病史以及通过肺量计测量最大呼气流量所显示的可变气流阻塞。然而,在许多哮喘儿童中,肺量计检查可能正常。强迫振荡技术(FOT)是一种简单、无创的技术,在潮式呼吸期间进行,相对容易应用。本研究的目的是评估FOT在肺量计检查正常的哮喘儿童中的敏感性。研究设计:这将是一项前瞻性观察性研究。人群:在研究机构儿科肺科门诊就诊的6-18岁儿童,诊断为哮喘且肺量计检查结果正常(FEV1及FEV1/FVC>80%,FEF25-75>65%),无论正在接受治疗或治疗前。研究方案:在获得书面知情同意后,参与者将填写哮喘控制问卷。将审查哮喘家族史和危险因素。将从医疗档案中收集血嗜酸性粒细胞和过敏皮肤点刺试验的数据。药物(控制药和缓解药)也将被记录。
FOT将使用TremoFlo C-100 Airwave Oscillometry System(Thorasys,加拿大魁北克省蒙特利尔)进行测量。将报告R5、R20、R5-20(所示频率下的阻力)、X5(5Hz下的电抗)、AX5(5Hz下的电抗面积)、Fres(共振频率)。呼出气一氧化氮分数(FeNO)将采用单次呼气技术进行测量。
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。




