囊性纤维化患者的Epididymis Protein 4与肺功能及质量改进方案
研究纳入35名6至18岁确诊CF的儿童,在Ain Shams University Hospital儿科胸科门诊随访期间招募

基本信息
资源简介
囊性纤维化患者的Epididymis Protein 4与肺功能及质量改进方案
本数据集来自clinicaltrials.gov,聚焦囊性纤维化(CF)患儿。研究纳入35名6至18岁确诊CF的儿童,在Ain Shams University Hospital儿科胸科门诊随访期间招募。纳入标准包括汗液氯离子≥60毫当量/L或存在两个致病基因突变、年龄≥6岁、第一秒用力呼气容积(FEV₁)≤80%。排除无法完成肺量计检查者。所有受试者接受干预性质量改进计划,建立CF专科门诊并每三个月随访。数据可用于探索Epididymis Protein 4与肺功能关联及质量改进方案效果预测(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化(CF)。本研究将在35名诊断为囊性纤维化的儿童中进行,年龄在6至18岁之间。患者将在Ain Shams University Hospital儿科胸科门诊的随访就诊期间被选取。纳入标准:A. 根据囊性纤维化基金会共识指南诊断的儿童囊性纤维化患者,汗液氯离子试验阳性(≥60毫当量/L)和/或存在两个囊性纤维化致病基因突变。B. 年龄≥6岁。C. 第一秒用力呼气容积(FEV₁)≤80%。排除标准:A. 无法进行肺量计检查的患者。研究中的所有受试者都将接受一项干预性质量改进计划。将基于质量改进(QI)计划建立囊性纤维化患者专科门诊,患者将每三个月随访一次
【主题与分类】
主题标签:Cystic Fibrosis (CF)。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06915961
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/NCT06915961
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:囊性纤维化(CF)。本研究将在35名确诊为囊性纤维化的儿童中进行,年龄介于6至18岁之间。患者将在Ain Shams大学医院儿科胸科门诊的随访就诊期间被选取。纳入标准:A. 根据囊性纤维化基金会共识指南确诊的儿童囊性纤维化患者,汗液氯离子试验阳性(≥60毫当量/升)和/或存在两个囊性纤维化致病基因突变。B. 年龄≥6岁。C. 第1秒用力呼气容积(FEV₁)≤80%。排除标准:A. 无法进行肺功能测定的患者。研究中的所有受试者都将接受一项干预性质量改进计划。将基于质量改进(QI)计划建立囊性纤维化患者专科门诊,患者将由一个专门的多学科团队每三个月随访一次,团队成员包括儿科肺病专家、儿科营养顾问、儿科胃肠病专家、胸部物理治疗师和儿科内分泌专家。
每家专科门诊都将制定并实施标准化的囊性纤维化诊疗流程,并为每位患者制定个体化治疗方案。这些流程和方案将根据随访过程中遇到的挑战持续调整,以解决可能导致不良结局的障碍和不足。将确定需要改进的领域,并提出相应的资源和策略。这将包括制作鱼骨图、流程图、Plan-Do-Study-Act(PDSA)循环、PDSA阶梯以及其他质量改进工具,以解决具体的不足。此外,还将开展培训,使团队参与并掌握质量改进方法。患者将在基线时接受肺功能检查,随后在研究期间的第6个月和第1年进行评估。
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。




