学龄前儿童急诊诊断重度喘息发作的阿奇霉素治疗
该数据集来自clinicaltrials.gov,收录一项针对学龄前儿童重度急性喘息发作的III期临床试验。试验采用平行组、安慰剂对照、双盲、随机、多中心设计,从七个急诊科招募受试者,评估阿奇霉素(AZ)治疗急性喘息发作的效果

基本信息
资源简介
学龄前儿童急诊诊断重度喘息发作的阿奇霉素治疗
该数据集来自clinicaltrials.gov,收录一项针对学龄前儿童重度急性喘息发作的III期临床试验。试验采用平行组、安慰剂对照、双盲、随机、多中心设计,从七个急诊科招募受试者,评估阿奇霉素(AZ)治疗急性喘息发作的效果。研究检验两个主要假设:对鼻咽部携带三种特定致病菌(H influenzae、M catarrhalis或S pneumonia)的患儿,以及不携带这些细菌的患儿,AZ(12 mg/Kg/天,连用5天)能否减轻急性发作严重程度。研究包含三次访视,所有入组患者参与第0天访视进行筛查、知情同意、入组、随机化等流程。数据可用于呼吸系统疾病、肺炎及哮喘相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Asthma, Wheezing. 本III期试验设计为平行组、安慰剂对照、双盲、随机、多中心评估AZ用于治疗急性喘息发作。研究从七个急诊科招募符合条件的患者。我们检验了两个主要假设:1)对鼻咽部携带三种特定致病菌(H influenzae、M catarrhalis或S pneumonia)中任何一种的重度急性喘息学龄前儿童,给予AZ(12 mg/Kg/天)5天,将减轻急性发作的严重程度;2)对鼻咽部不携带这三种致病菌中任何一种的儿童,按相同方案和剂量给予AZ,将减轻喘息发作的严重程度。本研究有三次访视。所有入组患者参与第0天访视,进行筛查、知情同意过程、入组、随机化、治
【主题与分类】
主题标签:Asthma、Wheezing。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04669288
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/NCT04669288
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、喘息。本III期试验设计为平行组、安慰剂对照、双盲、随机、多中心评估AZ治疗急性喘息发作的研究。该研究从七个急诊科招募了符合条件的患者。我们检验了两个主要假设:1)对于患有严重急性喘息且鼻咽部携带三种特定致病菌(流感嗜血杆菌、卡他莫拉菌或肺炎链球菌)中任何一种的学龄前儿童,给予AZ(12毫克/千克/天)治疗5天将减轻急性发作的严重程度;2)对于鼻咽部不携带这三种致病菌中任何一种的儿童,按相同方案和剂量给予AZ将减轻喘息发作的严重程度。本研究共有三次访视。所有入组患者均参加了第0天的访视,进行筛查、知情同意过程、入组、随机化、开始治疗和发药。随机选取的一部分患者参加了第5-8天和第14-21天的两次随访访视,在这些访视中他们接受了抗生素耐药性检测。
主要结局是幼儿哮喘发作日记(ADYC)评分的总和,该评分是一种经过验证的工具,由入组儿童的父母或监护人在5天治疗期间完成。次要结局将包括(1)急诊科停留时间,(2)住院时间,以及(3)随机分组后72小时内再次急诊就诊或住院。
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。




