外源性因素对食物过敏的影响
该数据集来自 clinicaltrials.gov,聚焦外源性因素对食物过敏的影响,研究对象为 Peanut Hypersensitivity 人群,计划纳入 100 名受试者

基本信息
资源简介
外源性因素对食物过敏的影响
该数据集来自 clinicaltrials.gov,聚焦外源性因素对食物过敏的影响,研究对象为 Peanut Hypersensitivity 人群,计划纳入 100 名受试者。数据涉及在哮喘控制良好、受试者休息充分且无病毒感染证据时进行花生基线激发,并开展为期两天的双盲安慰剂对照花生激发试验,记录主观与客观剂量阈值及严重程度评分。可用于分析外源性因素与花生过敏反应严重程度的关系,以及哮喘控制状态对食物激发结果的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Peanut Hypersensitivity。N=100 名受试者将在不加重外源性因素的情况下接受花生基线激发。这些初始基线激发将在哮喘控制良好(通过正常肺功能测定值验证)、受试者处于休息状态且无病毒感染证据(临床病史和检查)时进行。将进行为期两天的双盲安慰剂对照花生激发试验(DBPCPC)。受试者在两天中的一天接受全部安慰剂剂量或全部活性剂量。每天包括全部八剂,间隔 20 分钟(3microg 至 1g)。活性剂量隐藏在经过盲法效力评估的载体中。将记录主观和客观剂量阈值以及激发结果的严重程度评分。受试者将收到详细的书面和口头建议,在下次激发前避免食用花生。
【主题与分类】
主题标签:Peanut Hypersensitivity。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/NCT01429896
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/NCT01429896
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
条件:花生过敏。N=100名受试者将接受基线花生激发试验,且不伴有外在加重因素。这些初始基线激发试验将在哮喘控制良好(经正常肺功能值验证)、受试者处于休息状态且无病毒感染证据(依据临床病史和检查)时进行。将进行为期两天的双盲安慰剂对照花生激发试验(DBPCPC)。受试者在两天中的一天接受全部安慰剂剂量或全部活性剂量。每天包含全部八剂,间隔20分钟(3微克至1克)。活性剂量隐藏在经过盲法效力评估的载体中。将记录主观和客观剂量阈值以及激发结局的严重程度评分。受试者将收到详细的书面和口头建议,在下次激发试验前避免食用花生。所有受试者将被要求随身携带口服抗组胺药和可注射肾上腺素。所有在初始基线DBPCFC期间出现临床反应的参与者将按拉丁方设计随机分配至6种平衡交叉干预序列之一。
每组按不同顺序轮换进行另外三项激发试验:对照(无外源性因素)、运动和睡眠限制。1. 对照激发试验 受试者在过去三个月内不得对花生发生任何意外反应。该激发试验将在哮喘控制良好(经肺量计检查正常值验证)、受试者休息充分(将检查前一周的睡眠日记)且无病毒感染(临床病史和检查)时进行。将进行花生激发试验(与初始基线DBPCFC完全相同)。将记录剂量阈值和激发试验结果的严重程度评分。2. 运动激发试验 受试者在前一次激发试验至少三个月后,以运动作为外源性因素重复进行花生激发试验。受试者不得对花生发生任何意外反应
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。




