支气管扩张症稳定期、急性加重期与恢复期痰液微生物群及其与临床参数的关联
该数据集来自 clinicaltrials.gov,聚焦支气管扩张症患者的痰液微生物群,覆盖稳定期、急性加重期与恢复期三种临床状态,并关注微生物群与临床参数之间的关联

基本信息
资源简介
支气管扩张症稳定期、急性加重期与恢复期痰液微生物群及其与临床参数的关联
该数据集来自 clinicaltrials.gov,聚焦支气管扩张症患者的痰液微生物群,覆盖稳定期、急性加重期与恢复期三种临床状态,并关注微生物群与临床参数之间的关联。支气管扩张症是以气道感染、炎症和破坏为特征的慢性气道疾病,细菌常参与其恶性循环,潜在致病微生物包括流感嗜血杆菌、副流感嗜血杆菌、铜绿假单胞菌、金黄色葡萄球菌、肺炎克雷伯菌、肺炎链球菌和卡他莫拉菌等,不同微生物对疾病影响各异。该数据可用于研究痰液微生物群随病程变化及其与临床指标的关系(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:支气管扩张症。支气管扩张症是一种以气道感染、炎症和破坏为特征的慢性气道疾病[1]。细菌常常是支气管扩张症中所见恶性循环的元凶。临床上,潜在致病微生物(PPMs)主要包括流感嗜血杆菌、副流感嗜血杆菌、铜绿假单胞菌(P. aeruginosa)、金黄色葡萄球菌、肺炎克雷伯菌、肺炎链球菌和卡他莫拉菌[1]。这些PPMs引发气道炎症[2-5]和生物膜形成[6],导致氧化应激[7,8]。然而,不同的PPMs对支气管扩张症的影响各不相同。例如,铜绿假单胞菌与更明显的气道炎症和更差的肺功能相关[9,10]。然而,应当认识到,常规痰液细菌培养技术只能有效识别一
【主题与分类】
主题标签:Bronchiectasis。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/NCT02315547
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/NCT02315547
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
病症:支气管扩张。支气管扩张是一种以气道感染、炎症和破坏为特征的慢性气道疾病[1]。细菌常常是支气管扩张中所见恶性循环的罪魁祸首。在临床上,潜在致病微生物(PPMs)主要包括流感嗜血杆菌、副流感嗜血杆菌、铜绿假单胞菌(P. aeruginosa)、金黄色葡萄球菌、肺炎克雷伯菌、肺炎链球菌和卡他莫拉菌[1]。这些PPMs引发气道炎症[2-5]和生物膜形成[6],进而导致氧化应激[7,8]。然而,不同的PPMs对支气管扩张的影响各异。例如,铜绿假单胞菌与更明显的气道炎症和较差的肺功能有关[9,10]。但应认识到,常规痰细菌培养技术仅能有效识别一小部分PPMs。检测的敏感性和特异性可能受到从采样到培养的时间、培养基和环境等因素的显著影响。细菌16SrRNA的焦磷酸测序可能为气道微生物群提供更全面的评估。
基于该技术,Goleva及其同事[11]发现了大量革兰阴性微生物群(主要是变形菌门),这可能与皮质类固醇不敏感有关。哮喘[11,12]、特发性肺纤维化[13]和支气管扩张[14,15]患者气道的微生物组也已被表征。此外,“核心微生物群”与临床参数(即FEV1)之间的关联也已得到证实。然而,既往研究存在样本量相对较小以及缺乏全面临床参数集以供进一步分析的不足。支气管扩张急性加重(BEs)的特征是症状和(或)体征显著恶化,需要抗生素治疗。触发BEs的确切机制尚未完全阐明,但
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。




