过敏性鼻炎与季节性EOE加重关系调查
该数据集来自clinicaltrials.gov,主题为过敏性鼻炎与季节性嗜酸性食管炎(EoE)加重之间的关系调查。数据覆盖嗜酸性食管炎与呼吸系统过敏两类疾病,涉及吞咽困难、特应性皮炎、IgE介导的食物过敏、过敏性鼻炎及支气管哮喘等免疫过敏相关病症

基本信息
资源简介
过敏性鼻炎与季节性EOE加重关系调查
该数据集来自clinicaltrials.gov,主题为过敏性鼻炎与季节性嗜酸性食管炎(EoE)加重之间的关系调查。数据覆盖嗜酸性食管炎与呼吸系统过敏两类疾病,涉及吞咽困难、特应性皮炎、IgE介导的食物过敏、过敏性鼻炎及支气管哮喘等免疫过敏相关病症。源站描述指出,饮食与食物过敏的相关性已被广泛证实,但气源性过敏原致敏在症状进展与复发中的确切作用尚不明确,并提及EoE新诊断的季节性趋势等证据。该数据可用于研究过敏原暴露与EoE病情变化之间的关联分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:嗜酸性食管炎、呼吸系统过敏。嗜酸性食管炎(EoE)是一种慢性炎症性食管疾病,见于有复发性吞咽困难病史的患者。EoE与其他具有免疫过敏发病机制的疾病密切相关,如特应性皮炎(AD)、IgE介导的食物过敏、过敏性鼻炎和支气管哮喘。虽然饮食与食物过敏之间的相关性已得到大量证实,但关于气源性过敏原致敏在症状进展和复发中的确切作用所知甚少。支持这种相关性的证据包括:EoE新诊断存在季节性趋势、大量暴露于特定气源性过敏原后可能新发该病,以及食管嗜酸性粒细胞增多程度随……变化的证明。
【主题与分类】
主题标签:Eosinophilic Esophagitis、Respiratory Allergy。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/NCT05755477
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/NCT05755477
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:嗜酸性食管炎、呼吸道过敏。嗜酸性食管炎(EoE)是一种慢性炎症性食管疾病,患者通常有反复吞咽困难的病史。EoE与其他具有免疫过敏发病机制的疾病密切相关,如特应性皮炎(AD)、IgE介导的食物过敏、过敏性鼻炎和支气管哮喘。虽然饮食与食物过敏之间关系的重要性已在很大程度上得到证实,但关于气源性过敏原致敏在症状进展和复发中的确切作用知之甚少。支持这种相关性的证据包括:EoE新诊断存在季节性趋势,大量暴露于特定气源性过敏原后可能新发该病,以及食管嗜酸性粒细胞增多程度随气候带和一年中季节变化的证明。深入了解这种相关性可以阐明EoE发病机制和自然病程的某些方面,改善并个体化患者的临床诊断管理,并提供新的治疗靶点。
这是一项横断面观察性研究,目的是:* 评估吞咽困难症状复发与一年中特定月份和/或特定季节之间可能存在的相关性 * 评估疾病的病史起病与患者个体对气传过敏原的致敏性之间是否存在统计学显著相关性,以及EoE患者中呼吸道过敏(鼻炎和过敏性哮喘)的患病率。所有患者都应填写一份关于一年中健康状况及不同花粉季节的问卷。该问卷由18个问题组成,旨在调查:* 病史数据(年龄、体重、身高、疾病的临床起病);* 通过改良DSQ(吞咽困难症状问卷)评估吞咽困难症状;* 鼻炎症状SFAR
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。




