外科口罩预防急性呼吸道感染的效果

该数据集来自 clinicaltrials.gov,围绕外科口罩预防急性呼吸道感染(ARIs)的效果开展临床试验,覆盖急性呼吸道感染、Influenza 和 COVID-19

Chiba UniversityChiba University
clinicaltrials
浏览 10
文本分类Acute Respiratory Infections (ARIs)InfluenzaCOVID - 19COVID-19
Effect of Surgical Masks in Preventing Acute Respiratory Infections

基本信息

模态
文本
任务类型
分类
创建/更新时间
2026-10-13

资源简介

外科口罩预防急性呼吸道感染的效果

该数据集来自 clinicaltrials.gov,围绕外科口罩预防急性呼吸道感染(ARIs)的效果开展临床试验,覆盖急性呼吸道感染、Influenza 和 COVID-19。研究比较佩戴外科口罩与不干预,主要回答佩戴口罩能否预防包括流感和 COVID-19 在内的急性呼吸道感染。参与者需每天佩戴或不佩戴外科口罩,并每两周填写一次问卷,报告症状、检测状态和行为。该试验不评估已患病时戴口罩能否阻断病原体传播,也不评估全民佩戴口罩的效果(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:急性呼吸道感染(ARIs)、Influenza、COVID-19。本临床试验的目标是评估外科口罩在预防急性呼吸道感染方面的效果。它旨在回答的主要问题是:——佩戴口罩能否预防你感染急性呼吸道感染,包括流感和 COVID-19?研究人员将比较外科口罩与不干预,以了解佩戴口罩是否能有效预防急性呼吸道感染。参与者将: 每天佩戴或不佩戴外科口罩 每两周填写一次问卷,内容涉及症状、检测状态和行为。本试验不评估当你已经生病时佩戴口罩是否能预防病原体传播。此外,本试验也不评估全民佩戴口罩(即所有人都佩戴口罩)是否有效。

【主题与分类】

主题标签:Acute Respiratory Infections (ARIs)、Influenza、COVID - 19。本站分类:呼吸系统疾病/其他。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT07739446

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/NCT07739446

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

条件:急性呼吸道感染(ARIs)、流感、COVID-19。本临床试验旨在评估医用外科口罩在预防急性呼吸道感染方面的效果。其主要研究问题为:- 佩戴口罩是否能预防急性呼吸道感染,包括流感和COVID-19?研究人员将比较佩戴医用外科口罩与不采取干预措施,以观察佩戴口罩是否能有效预防急性呼吸道感染。参与者将:* 每天佩戴或不佩戴医用外科口罩 * 每2周回答一份关于症状、检测状态和行为的问卷。本试验不评估在已患病时佩戴口罩是否能阻止病原体传播。此外,本试验也不评估普遍佩戴口罩(即所有人都佩戴口罩)是否有效。

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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。