胃食管反流与误吸对慢性咳嗽患儿气道炎症及微生物组的影响

该数据集来自 clinicaltrials.gov,聚焦慢性咳嗽(CC)与胃食管反流(GER)患儿。研究利用临床所需的气道与胃肠道内镜检查,通过病历回顾获取临床数据,并取气道样本等分进行微生物组分析

NYU Langone HealthNYU Langone Health
clinicaltrials
浏览 4
视频分类Chronic Cough (CC)Gastroesophageal Reflux (GER)
Impact of Gastroesophageal Reflux and Aspiration on Airway Inflammation and Microbiome in Children With Chronic Cough

基本信息

模态
视频
任务类型
分类
创建/更新时间
2026-10-12

资源简介

胃食管反流与误吸对慢性咳嗽患儿气道炎症及微生物组的影响

该数据集来自 clinicaltrials.gov,聚焦慢性咳嗽(CC)与胃食管反流(GER)患儿。研究利用临床所需的气道与胃肠道内镜检查,通过病历回顾获取临床数据,并取气道样本等分进行微生物组分析。采用病例对照设计,比较伴 GER 与不伴 GER 的 CC 患儿是否存在不同的肺部微生物组及更明显的炎症,并判断微生物组与炎症程度是否与 GER 类型(酸性或非酸性)相关。可用于研究儿童慢性咳嗽中反流与误吸对气道炎症和微生物组的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:慢性咳嗽(CC)、胃食管反流(GER)。研究者将利用一个接受气道和胃肠道内镜检查的儿童活动队列,进行病历回顾以获取相关临床数据,并使用临床指征支气管镜检查期间获得的气道样本等分进行微生物组分析。将采用病例对照研究设计,研究伴 GER 的 CC 受试者与不伴 GER 的 CC 受试者相比是否具有独特的肺部微生物组和更严重的炎症,并确定微生物组和炎症程度是否与 GER 类型(酸性与非酸性)相关。

【主题与分类】

主题标签:Chronic Cough (CC)、Gastroesophageal Reflux (GER)。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT02797756

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/NCT02797756

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:慢性咳嗽(CC)、胃食管反流(GER)。研究者将利用一个将接受气道和胃肠道内镜检查的儿童活动性队列,进行病历回顾以获取相关临床数据,并使用临床指示的支气管镜检查期间获取的气道样本的一份等分试样进行微生物组分析。将采用病例对照研究设计,研究伴有GER的CC受试者是否与不伴有GER的CC受试者相比具有独特的肺部微生物组和增加的炎症,并确定微生物组和炎症程度是否与GER类型(酸性还是非酸性)相关。

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。