BNO 1030提取物(Imupret)治疗轻症COVID-19
该数据集来自clinicaltrials.gov,主题为BNO 1030提取物(Imupret)用于治疗轻症COVID-19,归入呼吸系统疾病/肺炎分类

基本信息
资源简介
BNO 1030提取物(Imupret)治疗轻症COVID-19
该数据集来自clinicaltrials.gov,主题为BNO 1030提取物(Imupret)用于治疗轻症COVID-19,归入呼吸系统疾病/肺炎分类。覆盖的病症包括Covid19、鼻咽炎、嗅觉丧失、发热、肌痛、咳嗽和鼻塞。源站描述指出,新冠病毒自武汉出现后迅速全球传播,重症可致肺炎、急性呼吸窘迫综合征、脓毒症和脓毒性休克,当前关注点多在重症识别与救治,而WHO数据显示约40%的COVID-19患者为轻症,轻症在感染传播层面同样危险。该数据可用于轻症COVID-19治疗相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:Covid19、鼻咽炎、嗅觉丧失、发热、肌痛、咳嗽、鼻塞。来自武汉的新型冠状病毒(2019-nCoV)目前备受关注,因为该病毒正在全球迅速传播,病例数和死亡人数持续增长。主要死亡原因是COVID-19疾病的严重病程,包括肺炎、急性呼吸窘迫综合征(ARDS)、脓毒症和脓毒性休克。随着COVID-19在全球的传播进展,重点在于快速识别、检测和治疗重症COVID-19患者,以及收治死亡结局风险最高的人群。对轻症病例的关注较少。根据WHO数据,约40%的COVID-19患者为轻症病程,即轻症病例从感染传播的角度来看具有很大危险,
【主题与分类】
主题标签:Covid19、Nasopharyngitis、Anosmia、Fever、Myalgia、Cough、Nasal Congestion。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/NCT04797936
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/NCT04797936
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:Covid19、鼻咽炎、嗅觉丧失、发热、肌痛、咳嗽、鼻塞。来自武汉的新型冠状病毒(2019-nCoV)目前备受关注,因为该病毒正在全球迅速传播,病例数和死亡人数持续增长。主要死因是COVID-19疾病的严重病程,包括肺炎、急性呼吸窘迫综合征(ARDS)、脓毒症和脓毒性休克。随着COVID-19在全球范围内的传播进展,重点在于快速识别、检测和治疗重症COVID-19患者,以及收治死亡结局风险最高的人群。对轻症病例的关注较少。根据WHO数据,约40%的COVID-19患者为轻症病程,即轻症病例从感染传播的角度来看具有极大危险性,因为主要传染源是患者。感染者即使临床症状轻微,也可传染1.5至3.5人,并仅在五个感染周期内即可在约368人中传播病毒。
COVID-19轻症病程以多种非特异性症状为特征:发热、咳嗽、咽痛、鼻塞、乏力、头痛、肌肉疼痛。已有证据表明嗅觉丧失是COVID-19感染的症状之一。韩国、中国和意大利已经证明,相当数量确诊COVID-19感染的患者出现了嗅觉丧失/嗅觉减退。在德国,据报道超过三分之二的确诊病例伴有嗅觉丧失。在没有其他呼吸道疾病(如过敏性鼻炎、急性鼻窦炎或慢性鼻窦炎)的情况下,嗅觉丧失/嗅觉减退被视为大流行期间COVID-19感染的临床标志。对于轻症患者,WHO建议提供居家护理,相关建议归结为遵守卫生清洁规程,必要时服用退热药。遗憾的是,轻症患者的治疗仍未受到
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。




