feNO 在慢性咳嗽鉴别诊断中的效用
该数据集来自 clinicaltrials.gov,聚焦慢性咳嗽患者中呼出气一氧化氮(FeNO)的鉴别诊断价值。研究纳入在门诊就诊的慢性咳嗽患者,标准诊疗包含人口学评估、全血细胞计数、肺功能检查、FeNO 测量及合并用药记录;参与研究的患者还将接受诱导痰、Leicester 咳嗽问卷、咳嗽激发试验及

基本信息
资源简介
feNO 在慢性咳嗽鉴别诊断中的效用
该数据集来自 clinicaltrials.gov,聚焦慢性咳嗽患者中呼出气一氧化氮(FeNO)的鉴别诊断价值。研究纳入在门诊就诊的慢性咳嗽患者,标准诊疗包含人口学评估、全血细胞计数、肺功能检查、FeNO 测量及合并用药记录;参与研究的患者还将接受诱导痰、Leicester 咳嗽问卷、咳嗽激发试验及 24 小时咳嗽监测等额外检查。数据可用于分析 FeNO 与慢性咳嗽病因分类之间的关系,支持呼吸系统疾病的临床鉴别诊断研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:咳嗽。作为常规门诊预约的一部分前来就诊的患者将被询问是否有兴趣参加本研究。在门诊预约期间,所有新发慢性咳嗽患者均将进行人口学评估、全血细胞计数、肺功能检查、FeNO 测量和合并用药记录,作为其标准医疗护理的一部分。如果患者决定参加本研究,则在此次就诊时,他们将在标准医疗护理之外接受进一步检查,包括诱导痰、完成 Leicester 咳嗽问卷、咳嗽激发试验和 24 小时咳嗽监测(于筛选访视时进行)。临床访视及额外检查中收集的所有数据均将在本研究中进行分析。40 名慢性咳嗽且 FeNO≥30 ppb 的患者将被纳入高 FeNO 治疗组。他们将随机
【主题与分类】
主题标签:Cough。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02479074
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/NCT02479074
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:咳嗽。作为常规门诊预约的一部分前来就诊的患者将被询问是否有兴趣参加本研究。在门诊就诊期间,所有新发慢性咳嗽患者均会进行人口统计学评估、全血细胞计数、肺功能检查、FeNO测量以及合并用药记录,作为其标准医疗护理的一部分。如果患者决定参加本研究,则在本次访视时,他们将在标准医疗护理之外接受进一步检查,包括诱导痰、莱斯特咳嗽问卷填写、咳嗽激发试验以及筛查访视时的24小时咳嗽监测。临床访视及额外检查所收集的所有数据将在本研究中进行分析。40名慢性咳嗽且FeNO≥30 ppb的患者将被纳入高FeNO治疗组。他们将按1:1比例随机接受以下任一方案:孟鲁司特10 mg每日一次,持续四周;或泼尼松龙20 mg每日一次,持续两周,随后接受孟鲁司特10 mg,持续两周。20名慢性咳嗽且FeNO≤20 ppb的受试者将被纳入低FeNO治疗组,接受孟鲁司特10 mg,持续28天。
本研究包括五次前往该单位的访视。首次访视将与患者预定的门诊预约合并进行。在此次访视期间,研究人员将进行一些初步评估,如检查病史、体格检查、全血细胞计数和生命体征。人口统计学评估、肺量计检查、FeNO测量和合并用药将按其预定门诊访视进行记录。将针对本研究进行进一步检测,这些检测包括:诱导痰、咳嗽激发试验、Hull气道反流问卷(HARQ)、莱斯特咳嗽问卷(LCQ)和24小时咳嗽监测,所有这些检测将在基线时以及治疗2周和4周后进行。此外,本研究还要求对有生育能力的女性进行妊娠试验。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




