面向哮喘管理算法方法：与家庭协作定义算法目标
该数据集来自 clinicaltrials.gov，聚焦儿童哮喘的日常管理算法研究。研究通过让哮喘相关方（儿童、家长和医生）填写纸质问卷，量化各方在背景治疗中希望算法最大化或最小化的各项目标的相对重要性
基本信息
资源简介
面向哮喘管理算法方法：与家庭协作定义算法目标
该数据集英文名为 Towards an Algorithmic Approach to Asthma Management: Collaborative Definition of Algorithm Objectives With Families，来源于 clinicaltrials.gov，聚焦儿童哮喘（Childhood Asthma）的日常管理算法研究。研究的基本出发点是：借助“大数据”与人工智能技术，可以设想用于儿童哮喘日常管理的算法；而要开发这类工具，就必须与哮喘相关方（儿童、家长和医生）共同确定未来算法应当最大化或最小化的参数。研究的主要目标是量化儿童哮喘患者、家长及其医生在采取、监督或开具背景治疗时各自希望达成的各项目标的相对重要性。为实现这一目标，家长与儿童填写纸质问卷，并由其医生在完成补充后一并提交。该数据集为呼吸系统疾病/哮喘类别下的一项研究资料，主题标签为 Childhood Asthma。
【数据集背景】
该数据集对应的研究关注儿童哮喘的日常管理问题。研究认为，利用“大数据”和人工智能技术，已经有可能设想出用于儿童哮喘日常管理的算法。但开发此类工具的前提，是与哮喘相关方——儿童、家长和医生——共同确定未来算法应当追求最大化或最小化的参数。因此，本研究的核心在于协同定义算法目标，而非单方面由技术方设定算法优化方向。研究条件为 Childhood Asthma，所属分类为呼吸系统疾病 / 哮喘。
【数据内容】
数据集内容围绕儿童哮喘相关方对治疗目标重要性的判断展开。研究的主要目标是量化儿童哮喘患者、家长及其医生在采取、监督或开具背景治疗时，各自希望达成的各项目标的相对重要性。数据通过纸质问卷获得：家长和儿童填写问卷，问卷由他们的医生完成补充。就儿童与家长而言，问卷包含一个部分，旨在对每个人的各项优先事项进行排序。源站描述在此处中断，问卷其余具体条目、变量与量表信息源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的研究。采集方式为纸质问卷：当家长和儿童因就诊、住院或进行肺功能检查而来到医院时，填写纸质问卷，并由其医生完成问卷的补充部分。研究涉及的相关方包括儿童、家长和医生三类对象。样本量、招募地点数量、研究时间跨度等信息源站未提供。
【适用场景】
该数据集适用于关注儿童哮喘日常管理算法目标设定的研究与开发场景，尤其是需要了解儿童、家长和医生三方在背景治疗中各项目标相对重要性的情形。其用途可包括为算法设计提供目标优先级依据，以及在多方参与下协同定义算法应最大化或最小化的参数。具体分析模型与应用案例源站未提供。
【使用方法】
依据源站描述，数据以纸质问卷形式收集，由家长、儿童填写并经医生补充。使用时可围绕三方对背景治疗各项目标重要性的排序结果开展分析。数据文件格式、访问接口、变量编码与配套文档源站未提供。
【质量与限制】
源站描述在说明儿童与家长问卷的优先排序部分时中断，问卷完整内容、样本规模、数据完整性核查与偏倚控制措施等信息源站未提供。数据基于纸质问卷，其录入与校验流程源站未提供。使用时应以源站登记信息为准。
【引用与许可】
该数据集的来源站为 clinicaltrials.gov。引用格式、许可条款与数据使用限制源站未提供。
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/NCT05064579
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：儿童哮喘。利用“大数据”和人工智能技术，构想用于日常管理儿童哮喘的算法已成为可能。为了开发此类工具，有必要与哮喘利益相关者（儿童、家长、医生）共同确定未来算法应努力最大化/最小化的参数。本研究的主要目标是量化儿童哮喘患者、家长及其医生在采取/监督/开具背景治疗时所追求的各项目标的相对重要性。为此，家长和儿童填写纸质问卷，并由其医生在患者来医院就诊、住院或进行肺功能检查时完成问卷。关于儿童和家长，这些问卷包括一部分旨在对每个人的目标进行优先级排序，第二部分收集有关其特征（年龄、性别、哮喘病史等）的一般信息。
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。
