儿童慢性湿性咳嗽抗生素、微生物学与免疫学研究 - AMIC 研究

研究包含 AMIC 1 的 90 名 9-36 月龄慢性湿性咳嗽儿童和 AMIC 2 的 210 名同年龄段儿童,所有儿童随访至随机对照试验开始后 24 个月

Helse Stavanger HFHelse Stavanger HF
clinicaltrials
浏览 12
其他分类Protracted Bacterial Bronchitis
Antibiotics, Microbiology and Immunology in Children With Chronic Wet Cough - the AMIC Study

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-12

资源简介

儿童慢性湿性咳嗽抗生素、微生物学与免疫学研究 - AMIC 研究

该数据集来自 clinicaltrials.gov,聚焦儿童慢性湿性咳嗽,疾病条件为 Protracted Bacterial Bronchitis。研究包含 AMIC 1 的 90 名 9-36 月龄慢性湿性咳嗽儿童和 AMIC 2 的 210 名同年龄段儿童,所有儿童随访至随机对照试验开始后 24 个月。另设 50 名健康对照,用于比较呼吸道病原体、气道与肠道微生物组、炎症和免疫学特征,健康对照在纳入后 6 个月进行第二次访视。数据可用于儿童慢性湿性咳嗽的微生物组、免疫学及临床分类研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Protracted Bacterial Bronchitis。研究人群:AMIC 1:90 名 9-36 月龄慢性湿性咳嗽儿童。AMIC 2:210 名 9-36 月龄慢性湿性咳嗽儿童。所有儿童将随访至随机对照试验(RCT)开始后 24 个月。健康对照组:为研究呼吸道病原体、气道和肠道微生物组、炎症和免疫学的作用,将纳入 50 名健康对照与 AMIC 1 进行比较。健康对照将在纳入后 6 个月进行第二次访视。

【主题与分类】

主题标签:Protracted Bacterial Bronchitis。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06020716

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT06020716

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病:迁延性细菌性支气管炎。研究人群:AMIC 1:90名年龄在9-36个月之间患有慢性湿咳的儿童。AMIC 2:210名年龄在9-36个月之间患有慢性湿咳的儿童。所有儿童将被随访至随机对照试验(RCT)开始后24个月。健康对照组:为了研究呼吸道病原体、气道和肠道微生物群、炎症和免疫学的作用,将纳入50名健康对照者与AMIC 1进行比较。健康对照组将在纳入后6个月进行第二次访视。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。