高效调节剂治疗时代囊性纤维化患者的鼻腔鼻窦治疗与组织学相关性
该数据集来自clinicaltrials.gov,聚焦囊性纤维化(CF)合并慢性鼻窦炎(CRS)患者,在高效调节剂治疗(HEMT)时代下的鼻腔鼻窦治疗与组织学相关性

基本信息
资源简介
高效调节剂治疗时代囊性纤维化患者的鼻腔鼻窦治疗与组织学相关性
该数据集来自clinicaltrials.gov,聚焦囊性纤维化(CF)合并慢性鼻窦炎(CRS)患者,在高效调节剂治疗(HEMT)时代下的鼻腔鼻窦治疗与组织学相关性。源站描述指出,HEMT显著改善了肺、鼻窦等器官系统的疾病表现,由此引发是否及如何降级气道其他治疗的问题;针对CF,目前尚无降级最常见鼻腔鼻窦治疗(高容量鼻腔盐水冲洗、局部鼻用类固醇、局部鼻用抗生素)的方案。建立此类方案可减少繁琐用药、降低药物成本及可能已无临床获益治疗带来的副作用与并发症风险。该数据可用于相关临床研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化(CF)、慢性鼻窦炎(CRS)。囊性纤维化(CF)是一种广为人知的遗传性疾病,导致患者出现显著的鼻肺疾病。(1)高效调节剂治疗(HEMT)的出现使肺部、鼻窦以及其他器官系统的疾病表现得到巨大改善,由此引发是否以及如何降级气道其他治疗的问题。具体针对CF,目前尚无降级最常见鼻腔鼻窦治疗的方案:高容量鼻腔盐水冲洗、局部鼻用类固醇和局部鼻用抗生素。建立此类方案将通过去除这些繁琐的用药方案、降低药物成本,并降低可能不再提供临床获益的治疗所带来的副作用和并发症风险,从而使患者受益。本研究旨在
【主题与分类】
主题标签:Cystic Fibrosis (CF)、Chronic Rhinosinusitis (CRS)。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06996951
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/NCT06996951
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(CF)、慢性鼻窦炎(CRS)。囊性纤维化(CF)是一种广为人知的遗传性疾病,可导致患者出现显著的鼻窦肺部疾病。(1)高效调节剂疗法(HEMT)的出现使得肺部、鼻窦以及其他器官系统的疾病表现得到了巨大改善,这也引发了关于是否以及如何逐步减少其他气道治疗的问题。具体到CF,目前尚无针对最常见的鼻窦鼻腔治疗——高容量鼻腔盐水冲洗、局部鼻用类固醇和局部鼻用抗生素——的降阶梯治疗方案。建立此类方案将使患者受益,既能免除这些繁琐的用药方案,又能降低药物费用,并减少可能已不再提供临床获益的治疗所带来的副作用和并发症风险。本研究旨在对接受HEMT治疗的囊性纤维化患者(PwCF)的鼻窦鼻腔环境进行炎症标志物采样,并将其与从盐水鼻腔冲洗、局部鼻用类固醇和/或抗生素降阶梯试验期间的主观和客观临床发现进行关联分析。
研究人员将通过诊断方法(鼻内镜检查、FEV1、BMI)前瞻性随访正在使用CFTR调节剂治疗的伴有慢性鼻窦炎、有或无鼻窦手术史的成人囊性纤维化患者,这些诊断方法目前是鼻科和肺科就诊时常规进行的标准诊疗评估。将审查有关医疗资源利用(抗生素、类固醇、住院、就诊)的问题,这些也是这些就诊时患者接诊标准病史采集的一部分。患者报告结局指标(PROMs)(SNOT-22、囊性纤维化问卷修订版(CFQ-R)、患者健康问卷-9(PHQ-9))也在这些鼻科和肺科就诊时常规收集,因此患者已习惯于常规标准诊疗随访中的这些项目。在获得知情同意后入组研究时
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。




