使用fenoTRACK设备监测未控制与已控制哮喘受试者呼出气一氧化氮(FeNO)变化
该数据集来自clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,研究使用fenoTRACK设备监测未控制与已控制哮喘受试者的呼出气一氧化氮(FeNO)变化

基本信息
资源简介
使用fenoTRACK设备监测未控制与已控制哮喘受试者呼出气一氧化氮(FeNO)变化
该数据集来自clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,研究使用fenoTRACK设备监测未控制与已控制哮喘受试者的呼出气一氧化氮(FeNO)变化。主要目标是在未使用类固醇的未控制哮喘成人和儿童中,经过约两周皮质类固醇治疗后,证明fenoTRACK设备测得的POC FeNO从第1次访视到第2次访视出现统计学显著且具有临床意义的下降。次要目标包括评估FeNO下降是否伴随哮喘控制问卷(ACQ或ACQ-IA)评分、肺功能(肺量计)及急救药物使用等结局指标的改善,并通过比较模拟居家FeNO测量中的会话内FeNO值来验证设备的临床准确性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:哮喘。1. 未控制的成人和儿童哮喘受试者。主要目标:证明在未使用类固醇治疗的未控制哮喘成人和儿童中,经过约2周的皮质类固醇治疗后,fenoTRACK设备测得的POC FeNO从第1次访视(V1)到第2次访视(V2)出现统计学显著且具有临床意义的下降。次要目标: 证明fenoTRACK设备上FeNO的下降伴随哮喘结局指标的改善,包括7项哮喘控制问卷(ACQ)评分或哮喘控制问卷-访谈者施测版(ACQ-IA)、通过肺量计评估的肺功能以及急救药物使用 通过比较模拟居家FeNO测量中会话内获取的FeNO值,证明fenoTRACK设备上FeNO测量的临床准确性
【主题与分类】
主题标签: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/NCT07228026
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/NCT07228026
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:哮喘。1. 未控制的成人和儿童哮喘受试者 主要目标:证明在接受约2周皮质类固醇治疗后,未经类固醇治疗的未控制哮喘成人和儿童中,通过fenoTRACK设备测量的POC FeNO从访视1(V1)到访视2(V2)出现统计学显著且具有临床意义的下降。次要目标:* 证明fenoTRACK设备上FeNO的下降伴随哮喘结局指标的改善,包括7项哮喘控制问卷(ACQ)评分或哮喘控制问卷-访谈者施测版(ACQ-IA)、通过肺量计评估的肺功能以及急救药物使用 * 通过比较在模拟居家FeNO环境中获得的同一时段内FeNO值与在V1和V2时在POC获得的FeNO值,证明fenoTRACK设备上FeNO测量的临床准确性 * 记录在V1和V2时以及V1与V2之间,对于模拟居家FeNO和POC FeNO测量,在fenoTRACK设备上获得2个有效FeNO结果需要多少次尝试 2.
受控成人和儿童哮喘受试者
共同主要目标:
- 评估fenoTRACK设备在V1和V2期间用于模拟居家FeNO和POC测量时的会话内临床精密度
- 评估居家使用fenoTRACK的会话内临床精密度
次要目标:
- 通过比较V1和V2时模拟居家FeNO与POC获取的会话内FeNO值,证明fenoTRACK设备FeNO测量的临床准确性
- 记录在V1和V2时以及V1与V2之间,模拟居家FeNO和POC测量中,在fenoTRACK设备上获得2个有效FeNO结果所需的尝试次数
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。




