PROSAIC-19:COVID-19 感染队列前瞻性纵向评估
PROSAIC-19 是一项针对 COVID-19 感染队列的前瞻性纵向评估数据集,来源于 clinicaltrials.gov,归类于呼吸系统疾病

基本信息
资源简介
PROSAIC-19:COVID-19 感染队列前瞻性纵向评估
PROSAIC-19 是一项针对 COVID-19 感染队列的前瞻性纵向评估数据集,来源于 clinicaltrials.gov,归类于呼吸系统疾病。其覆盖的疾病状态包括 COVID-19、SARS-CoV 2 感染、ARDS、人类免疫系统紊乱等。该数据集可用于研究 SARS-CoV-2 感染后疾病严重程度的机制、探索皮质类固醇使用与抗病毒免疫之间的争议,以及支持对高风险人群(如老年人和慢性肺病患者)的纵向预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19、SARS-CoV 2、ARDS、人类、免疫系统紊乱。引言 1.1 背景 由 SARS-CoV-2 感染引起的 2019 冠状病毒病(COVID-19)是一种新出现的快速传播的传染病,尚无经过验证的治疗方案。该病毒引起的疾病谱从轻度感冒症状到需要通气支持的严重呼吸功能损害不等。英国公共卫生部的指南确定了若干重症风险群体,包括老年人和患有慢性肺病的人。此外,关于皮质类固醇的作用也存在争议,一些医院指南推荐使用,尽管世界卫生组织的指南因担心其可能损害抗病毒免疫并加重病情而与之相矛盾。在某些感染 COVID-19 的个体中,驱动疾病严重程度的机制尚不清楚。我们敦
【主题与分类】
主题标签:COVID-19、SARS-CoV 2、ARDS, Human、Immune System Disorder。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/NCT04444609
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。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT04444609
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:COVID-19、SARS-CoV-2、ARDS、人类、免疫系统疾病。
引言
1.1 背景
由SARS-CoV-2感染引起的2019冠状病毒病(COVID-19)是一种新出现的快速传播的传染病,目前尚无确证有效的治疗方案。该病毒引发的疾病谱广泛,从轻微的感冒症状到需要呼吸机支持的严重呼吸功能损害不等。英国公共卫生部的指南指出,若干群体面临重症风险,包括老年人和患有慢性肺病的人。此外,关于皮质类固醇的作用也存在争议,一些医院指南推荐使用,尽管世界卫生组织的指导与此相矛盾,原因是担心皮质类固醇可能损害抗病毒免疫力并加重病情。对于某些感染COVID-19个体疾病严重程度的驱动机制,目前了解甚少。我们迫切需要理解这些机制,以促进新型有效疗法和疫苗的快速研发。
- 对严重COVID-19疾病的免疫易感性
SARS-CoV-2可能通过几种推测的机制,在易感个体中导致更严重的疾病。
这些包括:1. 先天性抗病毒免疫反应受损。病毒入侵后,呼吸系统病毒的先天免疫反应涉及I型和III型干扰素(IFN)的诱导。这一过程启动了一系列级联反应,触发多种干扰素刺激基因的表达,这些基因编码的蛋白质协同作用以限制病毒复制。慢性肺部疾病,尤其是哮喘、囊性纤维化(CF)和慢性阻塞性肺病(COPD),与对常见病毒如鼻病毒和流感病毒的干扰素诱导受损或失调有关,类似的失调也可能在SARS-CoV-2感染中出现。目前,吸入型干扰素-β作为哮喘和COPD的抗病毒治疗正在试验中。2. 对病毒感染的过度炎症反应。常见的呼吸道病毒感染,如流感和呼吸道合胞病毒(RSV),可促进病毒
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。




