综合管理策略实现持续性哮喘缓解与减少复发（SARRE-COMS）

数据集获取

源站：https://clinicaltrials.gov/study/NCT07816718

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：哮喘（诊断）。当前的临床评估和常规生物标志物在预测哪些患者对治疗反应最佳方面的能力有限。这项初步随机对照试验将评估未来开展全面随机对照试验的可行性，该未来试验旨在评价气道炎症和肺部异常的专门生物标志物是否能比常规可用的生物标志物更好地预测重要的哮喘结局，包括缓解和复发。未来的全面试验还将评估由专门生物标志物评估指导的综合管理策略是否比标准治疗改善哮喘结局。将招募50名正在开始生物制剂治疗的重度哮喘成人患者，并按1：1比例随机分配至标准治疗组或综合管理组。分配至综合管理组的参与者将根据专门生物标志物结果做出治疗决策，而标准治疗组参与者的临床医生将对专门研究生物标志物结果保持盲态。

受试者将接受为期12个月的随访，并接受研究评估，包括哮喘问卷、肺功能检测、呼出气一氧化氮分数（FeNO）检测、血液生物标志物评估以及痰细胞分析。作为常规诊疗一部分而获得的临床可用计算机断层扫描（CT）影像也可用于研究评估。同意参加可选磁共振成像（MRI）部分的受试者可接受研究性MRI评估。这项初步研究的结果将提供可行性数据以及关于专科生物标志物和生物标志物指导的管理策略在重症哮喘中应用价值的初步信息，并将为未来全面随机对照试验的设计提供依据。

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。