微纳米塑料与环境污染物联合暴露对过敏性疾病风险的影响
该数据集来自 clinicaltrials.gov,聚焦微纳米塑料与环境污染物联合暴露对过敏性疾病风险的影响,覆盖食物过敏、儿童哮喘、过敏性鼻炎和特应性皮炎

基本信息
资源简介
微纳米塑料与环境污染物联合暴露对过敏性疾病风险的影响
该数据集来自 clinicaltrials.gov,聚焦微纳米塑料与环境污染物联合暴露对过敏性疾病风险的影响,覆盖食物过敏、儿童哮喘、过敏性鼻炎和特应性皮炎。研究对象为克罗地亚三个不同地理区域(萨格勒布城市、斯拉沃尼亚城乡、地中海城乡)的 6 至 18 岁学龄儿童,按暴露与易感性差异分为过敏组与健康组,入组需对至少一种食物过敏原(优先但不限于海鲜)致敏并确诊至少一种过敏性疾病满一年。数据可用于过敏性疾病风险分类与暴露相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:食物过敏、儿童哮喘、过敏性鼻炎、特应性皮炎。本研究将纳入学龄儿童(6-18 岁),基于对过敏的差异暴露和易感性建立人群队列(儿科人群,过敏者与健康受试者)。参与者将根据对至少一种食物过敏原(优先但不限于海鲜)的明确致敏以及至少一种过敏性疾病(即过敏性哮喘、过敏性鼻炎(AR)、特应性皮炎(AD)和/或食物过敏)确诊至少一年进行选择。受试者将从克罗地亚三个不同且相异的地理区域招募:2 个大陆地区(萨格勒布,城市)和斯拉沃尼亚(城市和农村)以及 1 个地中海地区(城市和农村人口),这些地区在暴露水平(过敏原、污染物)、水消费(主要水源
【主题与分类】
主题标签:Food Hypersensitivity、Asthma in Children、Rhinitis, Allergic、Dermatitis, Atopic。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/NCT05177744
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/NCT05177744
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
研究条件:食物过敏、儿童哮喘、过敏性鼻炎、特应性皮炎。本研究将纳入学龄儿童(6-18岁),基于过敏暴露与易感性的差异建立人群队列(儿科人群,过敏者与健康受试者)。受试者的选取标准为:已证实对至少一种食物过敏原(优先为海鲜,但不限于海鲜)存在致敏,且至少患有一种过敏性疾病(即过敏性哮喘、过敏性鼻炎(AR)、特应性皮炎(AD)和/或食物过敏)并持续至少一年。
受试者将从克罗地亚三个不同的地理区域招募:2个大陆地区(萨格勒布,城市)和斯拉沃尼亚(城市和农村),以及1个地中海地区(城市和农村人口),这些地区在暴露水平(过敏原、污染物)、用水情况(主要水源——瓶装水、公共水源、井水)、食品消费(塑料包装食品、农业中化肥的使用)、营养(来自海洋环境的食物、工业加工食品、自家种植食品)以及不同的环境保护措施和人类活动方面存在差异。在每个区域和亚组中,我们将按照横断面研究方案招募70名过敏儿童和140名健康(非过敏)儿童,总计630名参与者。研究将包括以下访视:1. 初次(筛选)访视(V0 +3-6个月):签署书面知情同意书、评估纳入和排除标准、肺量测定、呼出气一氧化氮分数(FeNO)、问卷…… 2. V2(V0+6-9个月):问卷、环境皮肤点刺试验(APT)、sIgE(+ISAC)、肺量测定、FeNO、血液采集、粪便采集,3.
V2-V5(V0+6-30个月)——每6个月定期访视(评估),粪便样本(第二次采样)4. 第4次访视(V0+18-24个月):环境评估、皮肤点刺试验(APT)、sIgE(+ISAC)、肺量计检查、FeNO、血液采集 5. V5(末次访视,V0+24-30个月)——研究结局指标的最终评估,核查并记录消耗情况、依从性
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。




