鼻息肉形成相关因素:病例对照与描述性研究
该数据集来自 clinicaltrials.gov,围绕鼻息肉形成相关因素展开,涵盖病例对照与描述性研究两部分。病例对照部分考察吸烟、柴炉暴露、过敏性鼻炎、非素食饮食、鼻窦炎、鼻中隔偏曲、职业粉尘暴露及嗜酸性粒细胞增多等因素与鼻息肉的关系,并分别针对上颌窦后鼻孔息肉与筛窦息肉、复发与非复发息肉进行分

基本信息
资源简介
鼻息肉形成相关因素:病例对照与描述性研究
该数据集来自 clinicaltrials.gov,围绕鼻息肉形成相关因素展开,涵盖病例对照与描述性研究两部分。病例对照部分考察吸烟、柴炉暴露、过敏性鼻炎、非素食饮食、鼻窦炎、鼻中隔偏曲、职业粉尘暴露及嗜酸性粒细胞增多等因素与鼻息肉的关系,并分别针对上颌窦后鼻孔息肉与筛窦息肉、复发与非复发息肉进行分析。描述性研究关注年龄、性别、宗教、社会经济状况、城乡分布、居住拥挤、阿司匹林不耐受及家族史等特征。结果通过比值比与卡方检验计算,可用于鼻息肉风险因素分析与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:鼻息肉、吸烟、鼻窦炎、过敏性鼻炎、鼻中隔偏曲、ASA不耐受哮喘。本研究包括两部分。病例对照研究考察鼻息肉与吸烟、柴炉暴露、过敏性鼻炎、非素食饮食摄入、鼻窦炎、鼻中隔偏曲、职业粉尘暴露及嗜酸性粒细胞增多等多种风险因素的关联。将分别针对上颌窦后鼻孔息肉和筛窦鼻息肉进行研究。同样,还将针对复发性和非复发性息肉进行相同研究。描述性研究关注鼻息肉发生与年龄、性别、宗教、社会经济状况、城乡分布、居住拥挤、阿司匹林不耐受、家族史等方面的关系。结果将在计算比值比和卡方检验后进行研究,以分析所有可获得的数据。
【主题与分类】
主题标签:Nasal Polyp、Smoking、Rhinosinusitis、Allergic Rhinitis、Deviated Nasal Septum、ASA Intolerant Asthma。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/NCT01278719
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/NCT01278719
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
疾病情况:鼻息肉、吸烟、鼻窦炎、过敏性鼻炎、鼻中隔偏曲、阿司匹林不耐受性哮喘。本研究包括两部分。一项病例对照研究,探讨鼻息肉与多种危险因素之间的关联,如吸烟、木柴炉暴露、过敏性鼻炎、非素食饮食摄入、鼻窦炎、鼻中隔偏曲、职业性粉尘暴露和嗜酸性粒细胞增多。这将分别针对上颌窦后鼻孔息肉和筛窦鼻息肉进行研究。同样,也将针对复发性和非复发性息肉进行相同的研究。一项描述性研究侧重于鼻息肉的发生与年龄、性别、宗教、社会经济状况、城市或农村的发病优势、过度拥挤、阿司匹林不耐受、家族史等的关系。结果将在计算比值比和卡方检验后对所有可获得的数据进行研究。随后将进行解读。将进行基因表达谱分析,以研究AC和EP在危险因素和形态学特征方面基因表达水平的差异。将进行突变分析,以识别所选基因中的突变。
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。




