泡沫胶带过敏：一个棘手的情况
本数据集来自 clinicaltrials.gov，主题为泡沫胶带过敏，属于皮肤疾病/其他类别。研究为前瞻性干预试验，纳入教学机构中无泡沫胶带已知过敏的健康医生、护士及辅助人员，将 2x2 英寸 3M micro-foam 粘合剂贴于受试者上臂内侧，对侧手臂作为对照，粘合剂留置 48 小时后采用经验
基本信息
资源简介
泡沫胶带过敏：一个棘手的情况
本数据集来自 clinicaltrials.gov，主题为泡沫胶带过敏，属于皮肤疾病/其他类别。研究为前瞻性干预试验，纳入教学机构中无泡沫胶带已知过敏的健康医生、护士及辅助人员，将 2x2 英寸 3M micro-foam 粘合剂贴于受试者上臂内侧，对侧手臂作为对照，粘合剂留置 48 小时后采用经验证的 Cutaneous Irritancy Scoring System（CISS）评估，分类变量用卡方检验、连续变量用 t 检验分析。数据可用于研究医用粘合剂过敏与皮肤刺激反应，支持皮肤疾病相关分类或预测建模（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：医用粘合剂过敏、皮肤疾病、皮肤病变。这是一项前瞻性、干预性试验。研究者招募了一批在教学机构中知情同意、健康的医生、护士和辅助人员，这些人对泡沫胶带没有已知的超敏反应。研究调查人员将一块 2x2 英寸的 3M micro-foam 粘合剂贴于每位受试者上臂内侧。对侧手臂作为对照参考。粘合剂留置 48 小时，研究作者使用先前验证过的 Cutaneous Irritancy Scoring System（CISS）对患者进行评估。分类变量采用卡方检验分析，连续变量采用 t 检验。
【主题与分类】
主题标签：Medical Adhesive Allergy、Dermatologic Conditions、Dermatologic Lesions。本站分类：皮肤疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06059417
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/NCT06059417
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：医用胶粘剂过敏、皮肤疾病、皮肤病变。这是一项前瞻性干预试验。研究者在一家教学机构招募了一组同意参与的健康医生、护士及辅助人员，这些人均无已知的对泡沫胶带的超敏反应。研究调查人员将一块2x2英寸的3M微孔泡沫胶粘剂贴于每位受试者上臂内侧。对侧手臂作为对照参考。胶粘剂留置48小时，研究作者采用先前验证过的皮肤刺激评分系统（CISS）对患者进行评估。分类变量通过卡方检验分析，连续变量采用t检验。
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。
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。
