重症流感队列
该数据集来自clinicaltrials.gov，聚焦重症流感与严重呼吸道感染。研究纳入住院于复苏病房的成人与儿童患者，评估可溶性HLA-G5亚型血清水平作为流感呼吸道疾病死亡风险标志物的潜力，并采集呼吸道样本以研究重症症状流感感染者的转录组谱
基本信息
资源简介
重症流感队列
Severe Influenza Cohort 是一个登记于 clinicaltrials.gov 的数据集，主题聚焦重症流感与严重呼吸道感染。流感是导致疾病和死亡的重要原因，该数据集围绕住院于复苏病房的成人与儿童患者展开，一方面评估可溶性 HLA-G5 亚型血清水平作为流感呼吸道疾病更高死亡风险标志物的潜力，另一方面采集呼吸道样本，用于研究重症症状流感感染者的转录组谱。数据集在本站归入呼吸系统疾病 / 其他分类，主题标签为 Influenza 与 Severe Respiratory Infection，可为重症流感的生物标志物探索与转录组研究提供数据基础。
【数据集背景】
流感是造成疾病负担和死亡的重要原因。该数据集所对应的研究关注重症流感呼吸道感染患者的预后判断与机制探索，研究者的首要目标是评估可溶性 HLA-G5 亚型血清水平能否作为成人及儿童住院患者因流感呼吸道疾病死亡风险更高的潜在标志物。研究对象为住院于复苏病房的成人与儿童患者，病情严重程度较高，属于重症流感与严重呼吸道感染的临床场景。
【数据内容】
数据集涵盖两类核心内容：其一是可溶性 HLA-G5 亚型血清水平的检测信息，用于评估其与流感呼吸道疾病死亡风险之间的关联潜力；其二是呼吸道样本，用于研究具有重症症状的流感感染患者的转录组谱。主题标签为 Influenza 与 Severe Respiratory Infection，对应疾病条件包括 Influenza 与 Severe Respiratory Infection。除上述内容外，数据集的具体变量、样本量、检测平台与数据表结构等细节，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。研究对象为住院于复苏病房的成人与儿童患者，采集内容涉及血清中可溶性 HLA-G5 亚型水平的评估以及呼吸道样本的收集。关于采集时间窗、采样频次、样本处理流程与质量控制方案等具体信息，源站未提供。
【适用场景】
该数据集适用于重症流感与严重呼吸道感染相关的研究场景，包括探索可溶性 HLA-G5 亚型作为死亡风险标志物的潜力，以及分析重症症状流感感染者的呼吸道样本转录组谱。也可用于成人与儿童重症流感患者预后相关研究的设计参考。其他具体应用方向源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT02392858
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：流感、严重呼吸道感染。流感是导致发病和死亡的主要原因。研究者的首要目标是评估可溶性HLA-G5同种型血清水平，作为成人和儿童重症监护病房住院患者因流感呼吸道疾病死亡风险较高的潜在标志物。其次，研究者收集了呼吸道样本，以研究有严重症状的流感感染患者的转录组谱。
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。
