囊性纤维化中Kaftrio吸入治疗依从性与结局
研究背景指出CF为多系统终身遗传病,英国约10500人患病,中位预测生存期49年,CFTR功能异常导致气道和胰管等上皮组织分泌物黏稠,引发吸收不良、营养不良、反复呼吸道感染、进行性肺损伤和呼吸衰竭

基本信息
资源简介
囊性纤维化中Kaftrio吸入治疗依从性与结局
该数据集来自clinicaltrials.gov,聚焦囊性纤维化(CF)患者在接受Ivacaftor/Tezacaftor/Elexacaftor(Kaftrio)治疗时,预防性吸入治疗依从性对临床结局的影响。研究背景指出CF为多系统终身遗传病,英国约10500人患病,中位预测生存期49年,CFTR功能异常导致气道和胰管等上皮组织分泌物黏稠,引发吸收不良、营养不良、反复呼吸道感染、进行性肺损伤和呼吸衰竭。数据可用于分析依从性与结局的关系,支持预测模型开发(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:囊性纤维化。研究目的:了解预防性吸入治疗依从性对接受Ivacaftor/Tezacaftor/Elexacaftor治疗的囊性纤维化患者(pwCF)结局的影响。背景:囊性纤维化(CF)是一种多系统、终身遗传性疾病,在英国影响约10500人,中位预测生存期为49年。导致CF的基因突变造成囊性纤维化跨膜传导调节因子(CFTR)功能障碍,CFTR作为氯离子通道发挥作用。CF中氯离子分泌受损导致气道和胰管等一系列上皮组织产生黏稠、厚重的分泌物。这导致吸收不良、营养状况欠佳、反复呼吸道感染、进行性肺损伤和呼吸衰竭。直到最近,CF的标准治疗一直侧重于管理症状和
【主题与分类】
主题标签:Cystic Fibrosis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05519020
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/NCT05519020
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。研究目的:了解预防性吸入治疗的依从性对接受Ivacaftor/Tezacaftor/Elexacaftor治疗的囊性纤维化患者(pwCF)结局的影响。背景:囊性纤维化(CF)是一种多系统、终身遗传性疾病,在英国约影响10,500人,中位预测生存期为49年。导致CF的基因突变引起囊性纤维化跨膜传导调节因子(CFTR)功能障碍,该因子作为氯离子通道发挥作用。CF中氯离子分泌受损导致气道和胰管等一系列上皮组织产生黏稠、厚重的分泌物。这会导致吸收不良、营养状况欠佳、反复呼吸道感染、进行性肺损伤和呼吸衰竭。直到最近,CF的标准治疗一直侧重于管理CF的症状和后果。吸入治疗,特别是吸入抗生素、黏液溶解剂和渗透性药物,对于减少囊性纤维化患者的急性加重和维持肺部健康尤为重要。
以高效CFTR调节剂形式出现的精准药物,大约十年前首次可供因门控突变导致CF的患者使用,这类患者约占CF人群的5%。进一步的发展使得高效调节剂现在适用于约90%的CF患者(pwCF)。这正在改变许多pwCF的境况,带来迅速且具有变革性的健康改善。这种快速变化对既有治疗方案是否仍有持续需求带来了一些不确定性。评估Ivacaftor在pwCF及G551D基因突变患者中疗效的里程碑式随机对照试验发现,十二个月内一秒用力呼气容积(FEV1)的组间差异为10.6%,有利于Ivacaftor。即使在随机对照试验(RCT)中年龄≥18岁的成人中,组间FEV1差异也为9.9%。来自英国CF登记处的真实世界数据发现,组间F
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。




