BioFire新兴冠状病毒检测面板对COVID-19及其他冠状病毒检测的前瞻性临床评价

研究为观察性、非干预性设计,主要目的是评估 BioFire ECoV Panel 各检测方法用于有呼吸道感染体征和/或症状个体鼻咽拭子时的诊断准确性

BioFire Defense LLCBioFire Defense LLC
clinicaltrials
浏览 8
其他分类CoronavirusRespiratory InfectionCOVIDCOVID-19
Prospective Clinical Evaluation of the BioFire Emerging Coronavirus Panel for the Detection of COVID-19 and Other Coronaviruses

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-13

资源简介

BioFire新兴冠状病毒检测面板对COVID-19及其他冠状病毒检测的前瞻性临床评价

该数据集来自 clinicaltrials.gov,属于呼吸系统疾病/其他分类,主题标签为 Coronavirus、Respiratory Infection、COVID。研究为观察性、非干预性设计,主要目的是评估 BioFire ECoV Panel 各检测方法用于有呼吸道感染体征和/或症状个体鼻咽拭子时的诊断准确性。美国多个地理位置不同的临床中心参与检测,入组样本为医疗保健提供者判定疑似呼吸道感染后标准诊疗检测剩余的、编码的鼻咽拭子。BioFire ECoV Panel 检测与对照方法之间的一致性通过阳性符合率和阴性符合率衡量(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Coronavirus、Respiratory Infection、COVID。这项观察性、非干预性研究的主要目的是评估 BioFire ECoV Panel 所包含的检测方法在用于检测有呼吸道感染体征和/或症状个体的鼻咽拭子(NPS)时的诊断准确性。美国多个地理位置不同的临床中心将参与检测。入组将包括由医疗保健提供者判定为疑似呼吸道感染而进行标准诊疗检测后剩余的、编码的 NPS 标本。BioFire ECoV Panel 检测与对照方法之间的一致性将使用阳性符合率和阴性符合率(PPA 和 NPA)来衡量。

【主题与分类】

主题标签:Coronavirus、Respiratory Infection、COVID。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/NCT07221097

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/NCT07221097

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

疾病:冠状病毒、呼吸道感染、COVID。这项观察性、非干预性研究的主要目的是评估BioFire ECoV Panel检测组合在用于检测有呼吸道感染体征和/或症状个体的鼻咽拭子(NPS)时的诊断准确性。美国多个地理位置不同的临床中心将参与检测。入组样本将包括由医疗保健提供者判定为疑似呼吸道感染标准治疗检测后剩余的、编码的鼻咽拭子标本。BioFire ECoV Panel检测与对照方法之间的一致性将通过阳性符合率(PPA)和阴性符合率(NPA)来衡量。

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。