瑞士儿童气道队列
Swiss Paediatric Airway Cohort(SPAC)是2017年建立的大型纵向数据库,覆盖在瑞士因反复喘息、咳嗽及运动或睡眠相关呼吸道症状就诊的儿童和青少年

基本信息
资源简介
瑞士儿童气道队列
Swiss Paediatric Airway Cohort(SPAC)是2017年建立的大型纵向数据库,覆盖在瑞士因反复喘息、咳嗽及运动或睡眠相关呼吸道症状就诊的儿童和青少年。该队列旨在构成研究这些问题的医疗服务、表型与预后的国家研究平台,并可作为开展嵌套研究的抽样框架。研究对象为转诊的0-16岁患者,可用于哮喘等儿童气道疾病的流行病学、临床表型与预后预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:哮喘、喘息、咳嗽、运动诱发性支气管痉挛、吸气性喉梗阻、功能障碍性呼吸。背景:许多研究调查了儿童期哮喘的流行病学,但大多数基于一般人群数据,通过学龄儿童的横断面或纵向调查收集。目标:瑞士儿童气道队列(SPAC)于2017年建立,作为一个大型纵向数据库,代表在瑞士因反复喘息、咳嗽以及运动或睡眠相关呼吸道症状就诊的儿童和青少年。它将构成研究这些问题的医疗服务提供、表型和预后的国家研究平台,并作为开展嵌套研究的抽样框架。方法:招募与参与:SPAC研究招募转诊的0-16岁患者
【主题与分类】
主题标签:Asthma、Wheezing、Cough、Exercise Induced Bronchospasm、Inspiratory Laryngeal Obstruction、Dysfunctional Breathing。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/NCT03505216
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/NCT03505216
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:哮喘、喘息、咳嗽、运动诱发性支气管痉挛、吸气性喉梗阻、呼吸功能障碍。背景:许多研究探讨了儿童期哮喘的流行病学,但大多基于一般人群的数据,这些数据来源于对学龄儿童的横断面或纵向调查。目的:瑞士儿科气道队列(SPAC)于2017年建立,作为一个大型纵向数据库,代表了在瑞士因反复喘息、咳嗽以及运动或睡眠相关呼吸症状就诊的儿童和青少年。它将构成一个全国性研究平台,用于研究这些问题的医疗服务提供、表型和预后,并作为开展嵌套研究的抽样框架。方法:招募与参与:SPAC研究招募0-16岁因反复呼吸症状被转诊至儿科门诊的患者。家庭会收到一个SPAC信息包,包含邀请函、研究信息手册、知情同意书和问卷。
医生向他们介绍研究情况,回答问题,并收集知情同意书。填好的问卷由家属带到诊所,或由家属使用预付回邮信封直接寄往SPAC研究中心。符合条件的患者无论在是否参与研究的情况下,均在参与诊所就诊。不为SPAC进行任何专门检查;仅在有临床指征或由转诊医生开具医嘱时才进行检查和检验。肺功能、过敏、血液或支气管激发试验等检查均按照各诊所的相应标准程序进行。SPAC研究团队成员定期访问参与中心以收集数据。第一年期间,照护者或年满14岁的患者通过电子邮件链接收到简短的在线问卷。入组一年后及此后每年,照护者通过邮寄方式收到随访问卷。收集的信息:问卷:在
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。




