囊性纤维化患者痰诱导与雾化器装置研究
SPICE-CF 是一项非商业可行性试验,评估两种不同雾化器装置在无法自主咳痰的囊性纤维化(CF)患者中进行痰诱导的效果

基本信息
资源简介
囊性纤维化患者痰诱导与雾化器装置研究
SPICE-CF 是一项非商业可行性试验,评估两种不同雾化器装置在无法自主咳痰的囊性纤维化(CF)患者中进行痰诱导的效果。随着 CFTR 调节剂疗法的普及,许多 CF 患者自主产生的痰液减少,但获取下呼吸道样本对微生物监测和临床管理仍很重要。使用雾化高渗盐水进行痰诱导可在无自主痰液时提供非侵入性呼吸道样本。目前比较 CF 患者痰诱导雾化器技术的证据有限。该试验为前瞻性、随机、开放标签、两周期交叉可行性试验,比较喷射雾化器与 E-flow Rapid 振动雾化器(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)、囊性纤维化肺病。SPICE-CF 是一项非商业可行性试验,评估使用两种不同雾化器装置对无法自主咳痰的囊性纤维化(CF)患者进行痰诱导。随着 CFTR 调节剂疗法的日益使用,许多 CF 患者自主产生的痰液减少。然而,获取下呼吸道样本对于微生物监测和临床管理仍然重要。使用雾化高渗盐水进行痰诱导提供了一种在无自主痰液时获取呼吸道样本的非侵入性方法。目前比较 CF 患者痰诱导雾化器技术的证据有限。这是一项前瞻性、随机、开放标签、两周期交叉可行性试验,比较喷射雾化器与 E-flow Rapid 振动雾化器。
【主题与分类】
主题标签:Cystic Fibrosis (CF)、Cystic Fibrosis Lung Disease。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07879651
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/NCT07879651
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)、囊性纤维化肺病。SPICE-CF是一项非商业性可行性试验,旨在评估使用两种不同雾化器设备对无法自主咳痰的囊性纤维化(CF)患者进行诱导痰检查的效果。随着CFTR调节剂疗法的日益广泛应用,许多CF患者的自主咳痰量减少。然而,获取下呼吸道样本对于微生物学监测和临床管理仍然至关重要。使用雾化高渗盐水进行诱导痰检查,是在无法获得自主咳痰时获取呼吸道样本的一种非侵入性方法。目前,比较雾化器技术用于CF患者诱导痰检查的证据有限。这是一项前瞻性、随机、开放标签、两周期交叉可行性试验,比较喷射雾化器与E-flow Rapid振动网孔雾化器的效果。每位参与者将使用两种设备分别进行诱导痰检查,因此将作为自身的对照。设备使用顺序将随机分配,研究访视之间设有至少两周的洗脱期。
痰液诱导将遵循标准化方案,使用雾化高渗盐水并结合由物理治疗师监督的气道清除。本研究的主要重点是评估在一项比较两种雾化器系统用于痰液诱导的随机交叉试验中,招募并保留无法自主咳出痰液的囊性纤维化(CF)患者的可行性。该研究还将评估这些程序的可接受性和可实施性,并收集关于痰液采集成功率、操作时长、参与者体验、微生物学检出率,以及使用视觉评分系统表征痰液颜色和黏度并区分痰液与唾液的初步信息。研究结果将有助于为未来确定性随机对照试验的设计提供依据。
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。




