Wessex 难治性哮喘队列
源站描述指出哮喘在英国约影响 520 万人,其中半数在人生某个阶段出现严重症状,50 万人可能对现有疗法无应答;重症哮喘可能占哮喘相关卫生支出的 80%,估计每年直接花费 NHS 10 亿英镑,并通过残疾、缺课和工作日损失带来隐性社会成本

基本信息
资源简介
Wessex 难治性哮喘队列
Wessex Asthma Cohort of Difficult Asthma 是来自 clinicaltrials.gov 的哮喘相关数据集,主题标签为 Asthma,本站归类为呼吸系统疾病 / 哮喘。源站描述指出哮喘在英国约影响 520 万人,其中半数在人生某个阶段出现严重症状,50 万人可能对现有疗法无应答;重症哮喘可能占哮喘相关卫生支出的 80%,估计每年直接花费 NHS 10 亿英镑,并通过残疾、缺课和工作日损失带来隐性社会成本。该描述还强调哮喘的异质性,认为它并非单一疾病,而由众多潜在表型组成。该数据集可用于哮喘表型与难治性哮喘相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:哮喘。据估计,哮喘在英国(UK)影响 520 万人,其中一半人在其一生中的某个阶段会经历严重症状,50 万人可能对当前可用的疗法无应答(Asthma UK;“living on a knife edge”2004)。重症哮喘可能占哮喘相关卫生支出的 80%(Chung KF, Eur Res Mon 2003, 23: 313)。在这方面,据估计它每年直接花费 NHS(National Health Service)10 亿英镑,但也通过残疾、缺课和工作日损失带来相当大的隐性社会成本。虽然重症哮喘是一个重大的卫生经济问题,但临床实践中有效治疗的可及性仍然有限。然而,人们日益认识到哮喘的异质性,它不是单一疾病,而是由众多潜在表型组成
【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/NCT03996590
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/NCT03996590
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:哮喘。据估计,英国约有520万人患有哮喘,其中一半人在一生中的某个阶段会经历严重症状,而有50万人可能对现有疗法无反应(英国哮喘协会;“如履薄冰”2004年)。重症哮喘可能占哮喘相关卫生支出的80%(Chung KF, Eur Res Mon 2003, 23: 313)。在这方面,据估计其每年直接花费NHS(国家卫生服务体系)10亿英镑,同时还通过残疾、缺课和损失工作日造成相当大的隐性社会成本。尽管重症哮喘是一个重大的卫生经济问题,但临床实践中有效治疗手段的可及性仍然有限。然而,人们日益认识到哮喘的异质性——它并非单一疾病,而是由众多潜在表型组成(Wenzel S Nat Med 2012 18(5):716-25),其中一些表型可能与更严重的疾病状态相关。在这方面,近年来采用聚类分析等无偏统计技术已一致证明,在成人和儿科人群中均存在重症哮喘聚类。
这些临床表型可能显示出特定的病理生理关联,从而导致内型的分类。随着对哮喘多样性的认识不断加深,人们也意识到,依据个体疾病的潜在本质,治疗反应同样存在多样化的差异。这自然引出了针对重症哮喘患者的个性化治疗方案概念,以更好地针对其个体疾病进行治疗。奥马珠单抗是首个满足重症过敏性哮喘患者这一需求的生物制剂哮喘治疗药物。目前有许多潜在的生物制剂正在研发中,它们在针对具有特定疾病表型/内型的患者方面展现出前景,例如美泊利单抗、来金珠单抗和度普利尤单抗。临床服务的组织
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。




