用N-of-1试验评估中医药效果
该数据集来自clinicaltrials.gov,聚焦于用N-of-1试验评估中医药对稳定期支气管扩张症患者的个体化疗效

基本信息
资源简介
用N-of-1试验评估中医药效果
该数据集来自clinicaltrials.gov,聚焦于用N-of-1试验评估中医药对稳定期支气管扩张症患者的个体化疗效。源站描述涉及支气管扩张、生活质量、中医药、痰液、症状与个体化等主题,核心假设为辨证论治(个体化汤剂)的疗效优于安慰剂。数据可用于探索中医药个体化治疗的临床评价方法,支持呼吸系统疾病与补充替代医学相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:支气管扩张、生活质量、中医药、痰液、症状、个体化。中医药是世界上补充与替代医学的重要组成部分,在国际医疗实践中发挥着越来越重要的作用。辨证论治是中医药(TCM)的精髓,形成了其个体化治疗。然而,这种个体化的中医药干预往往使基于人群的随机对照试验(RCT)难以以标准形式开展。N-of-1试验可能是评估中医药个体化治疗临床疗效的良好方法。本研究的关键假设是:(1)通过N-of-1试验,辨证论治(个体化汤剂)在稳定期支气管扩张症患者中的疗效将优于安慰剂。(2)辨证论治的疗效
【主题与分类】
主题标签:Bronchiectasis、Quality of Life、Traditional Chinese Medicine、Sputum、Symptoms、Individuality。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03147443
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/NCT03147443
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
条件:支气管扩张症、生活质量、中医、痰液、症状、个体化。中医药是世界上补充替代医学的重要组成部分,在国际医疗实践中发挥着日益重要的作用。辨证论治是中医的精髓,形成了其个体化治疗的特点。然而,这种个体化的中医干预往往使基于人群的随机对照试验难以以标准形式开展。N-of-1试验可能是评价中医个体化治疗临床疗效的良好方法。本研究的关键假设是:(1)通过N-of-1试验,辨证论治(个体化汤剂)对稳定期支气管扩张症患者的疗效将优于安慰剂。(2)通过N-of-1试验,辨证论治(个体化汤剂)对稳定期支气管扩张症患者的疗效将优于同一处方减去清热类中药后的疗效。疗效差异可能因个体痰热严重程度的不同而有所差异。
在本研究中,我们将对36例无咯血及呼吸衰竭的稳定期支气管扩张患者开展单中心N-of-1试验。这些N-of-1试验将在患者个体内对个体化中药汤剂与对照汤剂进行随机、双盲、交叉比较。每项n-of-1试验包含3对治疗期,每个治疗期持续4周。我们将通过N-of-1试验比较:(1)辨证论治(个体化汤剂)与安慰剂的疗效;(2)辨证论治(个体化汤剂)与减去清热类中药的同一处方的疗效,在稳定期支气管扩张患者中的差异。主要结局指标为患者自报症状(如咳嗽、咳痰、气短、胸痛和乏力)的7分视觉模拟量表评分。次要结局指标为24小时痰量a
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。




