预测食物过敏的食物特异性及组分IgE阈值水平研究:总血清IgE升高及特应性皮炎人群
该数据集来自clinicaltrials.gov,聚焦牛奶和/或花生过敏,研究对象为总血清IgE升高且患有特应性皮炎的人群

基本信息
资源简介
预测食物过敏的食物特异性及组分IgE阈值水平研究:总血清IgE升高及特应性皮炎人群
该数据集来自clinicaltrials.gov,聚焦牛奶和/或花生过敏,研究对象为总血清IgE升高且患有特应性皮炎的人群。数据涉及过敏皮肤点刺试验和食物特异性IgE水平测量,旨在探索食物特异性或组分IgE的决策点,以预测速发型超敏反应是否存在。由于超过半数对特定食物致敏的患者在口服食物激发试验中并不发生反应,且食物过敏的发生并不总与食物特异性IgE水平相关,该数据可用于改进食物过敏诊断、减少不必要的饮食限制,并辅助预测食物过敏风险(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:牛奶和/或花生过敏。过敏皮肤点刺试验和食物特异性免疫球蛋白E(IgE)水平测量是常见的诊断食物过敏的方法,但并不可靠,因此患者可能因假阳性结果而被置于过度限制性的食物排除饮食中。此类限制可导致体重增长不良、营养不良以及生活质量受到负面影响。超过半数对特定食物致敏(即IgE检测呈阳性)的患者在口服食物激发试验(诊断食物过敏的金标准)中并不对该食物发生反应。食物过敏的发生并不总与食物特异性IgE水平相关。如果能确定食物特异性或组分IgE的决策点,以预测何时存在速发型超敏反应,这些患者的护理将得到显著改善。这尤其是一个问题,在
【主题与分类】
主题标签:Milk and/or Peanut Allergy。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03835767
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/NCT03835767
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:牛奶和/或花生过敏。过敏皮肤点刺试验和食物特异性免疫球蛋白E(IgE)水平测定是诊断食物过敏的常见方法,但并不十分可靠,因此患者可能因假阳性结果而被置于过度限制性的食物排除饮食中。这种限制可能导致体重增长不良、营养不良以及生活质量的负面影响。超过一半对特定食物致敏(即IgE测试呈阳性)的患者在口服食物激发试验(诊断食物过敏的金标准)中并未对该食物产生反应。食物过敏的发展并不总是与食物特异性IgE水平相关。如果能确定食物特异性或组分IgE的决策点,以预测即时型超敏反应的存在,这些患者的护理将得到显著改善。这在特应性皮炎(AD)患者中尤为突出,AD是影响儿童的最常见慢性、复发性炎症性皮肤病。AD患者更易发展其他过敏性疾病,包括食物过敏和致敏。
AD患者也可能具有高水平的血清总IgE。在本研究中,年龄3-21岁(n=175)、血清总IgE水平升高且有AD病史的参与者将接受开放式喂养和/或双盲、安慰剂对照食物激发试验(DBPCFCs)。开放式喂养将为1步或2步,具体取决于参与者在家里定期食用该食物的频率。针对牛奶有两项DBPCFC:将奶粉或安慰剂烘焙入松饼中,以及将纯奶粉或安慰剂与载体混合。针对花生的DBPCFC将使用花生粉或安慰剂与载体混合进行。研究期间将采集血液,用于测量总IgE和组分IgE,以及食物致敏与速发型超敏反应及反应严重程度的潜在生物标志物。基于这些数据,我们希望确定诊断性IgE阈值水平,从而为何时进行口服食物
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。




