山羊婴儿配方喂养与湿疹（GIraFFE 研究）
该数据集来自 clinicaltrials.gov，围绕山羊奶配方与牛奶配方喂养婴儿的随机双盲平行组试验，关注生命第一年喂养对过敏及其他健康结局风险的影响，并涵盖生命前五年的生长、耐受性与生活质量
基本信息
资源简介
山羊婴儿配方喂养与湿疹（GIraFFE 研究）
Goat Infant Formula Feeding and Eczema（GIraFFE 研究）数据集收录于本站“皮肤疾病 / 其他”分类，来源为 clinicaltrials.gov。该数据集围绕一项随机、双盲、平行组试验展开，研究婴儿在生命第一年喂养山羊奶配方或牛奶配方，对其过敏风险及其他健康结局的影响。研究关注的健康结局不仅包括过敏相关表现，还涵盖生命前五年的生长、耐受性与生活质量。主题标签涉及特应性皮炎、婴儿湿疹、婴儿发育与儿童发育，适合用于婴幼儿喂养与过敏、皮肤健康及早期发育相关研究场景。
【数据集背景】
该数据集对应的研究聚焦于婴儿早期喂养方式与过敏及健康结局之间的关系。其背景问题在于：在生命第一年这一关键发育阶段，喂养山羊奶配方或牛奶配方是否会影响过敏风险以及其他健康结局。研究设计为随机、双盲、平行组试验，旨在对两种喂养方案进行比较。所关注的疾病与发育主题包括特应性皮炎、婴儿湿疹、婴儿发育和儿童发育。该研究不仅限于过敏结局，还延伸到生长、耐受性和生活质量等更广泛的健康维度，并覆盖生命前五年这一较长观察窗口。
【数据内容】
数据集的主题标签包括特应性皮炎、婴儿湿疹、婴儿发育与儿童发育。源站描述指出，研究关注的健康结局包括过敏及其他健康结局，并具体涵盖生命前五年的生长、耐受性与生活质量。研究条件涉及特应性皮炎、婴儿湿疹、婴儿发育和儿童发育。关于数据集的具体变量、样本量、随访时间点、测量指标、数据表结构或文件格式等信息，源站未提供。
【采集与来源】
该数据集来自 clinicaltrials.gov。其对应的研究是一项随机、双盲、平行组试验，用于研究婴儿在生命第一年喂养山羊奶配方或牛奶配方对过敏风险及其他健康结局的影响。除来源站与试验设计类型外，关于具体采集机构、采集地点、采集时间、采集流程、伦理审批信息或数据管理方式等内容，源站未提供。
【适用场景】
基于其主题与设计，该数据集适用于关注婴幼儿喂养与过敏风险、特应性皮炎、婴儿湿疹、婴儿发育及儿童发育等方向的研究场景。也可用于关注生命第一年喂养方式与生命前五年生长、耐受性和生活质量等健康结局之间关系的研究。由于该研究采用随机、双盲、平行组设计，相关数据可用于比较山羊奶配方与牛奶配方喂养的差异。关于具体分析用途、统计方法或应用案例，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、访问权限、文件格式、变量说明、配套文档或分析工具等信息。
【质量与限制】
该数据集对应的研究为随机、双盲、平行组试验，这一设计特征在源站描述中有所体现。关于样本量、失访情况、偏倚控制、数据完整性、数据清洗过程、局限性说明或外部验证情况等信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式、许可条款、使用限制或版权信息。
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/NCT04599946
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：特应性皮炎、婴儿湿疹、婴儿发育、儿童发育。本研究是一项随机、双盲、平行组试验，旨在研究婴儿出生后第一年喂养羊奶或牛奶配方奶粉对其生命前5年内过敏风险及其他健康结局（包括生长、耐受性和生活质量）的影响。
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。
