体外心肺复苏后体温模式与神经结局的关联
该数据集来自 search.dataone.org，收录 2013 年 12 月至 2015 年 12 月间 48 例体外心肺复苏后存活至少 24 小时的心脏骤停患者，按体温模式及控温意图分为主动控温组、正常体温组和意外低体温组，主要结局为出院时 Cerebral Performance Categ
基本信息
资源简介
体外心肺复苏后体温模式与神经结局的关联
Association between body temperature patterns and neurological outcomes after extracorporeal cardiopulmonary resuscitation
该数据集来自 search.dataone.org，收录 2013 年 12 月至 2015 年 12 月间 48 例体外心肺复苏后存活至少 24 小时的心脏骤停患者，按体温模式及控温意图分为主动控温组、正常体温组和意外低体温组，主要结局为出院时 Cerebral Performance Categories（CPC）量表评分。数据可用于分析体温模式与神经功能结局的关联，支持预后分类与相关临床研究（来源 DataONE，http://creativecommons.org/publicdomain/zero/1.0 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：我们评估了体外心肺复苏（ECPR）后体温模式与神经结局的关联。2013 年 12 月至 2015 年 12 月间，我们纳入 48 例 ECPR 后存活至少 24 小时的心脏骤停患者。根据其体温模式及控制发热的意图，我们将患者分为主动控制发热组（N = 25）、正常体温组（N = 17）和意外低体温组（N = 6）。主要结局为出院时 Cerebral Performance Categories（CPC）量表评分。48 例 ECPR 患者中，23 例（47.9%）神经结局良好（CPC 1 和 2），27 例（56.3%）存活至出院。正常体温组在 ECPR 后 48 小时内显示出较其他组更高的体温模式。不仅神经结局不良
【主题与分类】
主题标签：Medicine, Health and Life Sciences。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Aa5deea22326374eb3676490e063343ab99aeac1790a6511b9168bb79197475e5
使用许可：http://creativecommons.org/publicdomain/zero/1.0。
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
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
我们评估了体外心肺复苏（ECPR）后体温模式与神经学结局之间的关联。在2013年12月至2015年12月期间，我们纳入了48例心脏骤停后经ECPR存活至少24小时的患者。根据其体温模式及控制发热的意图，我们将患者分为积极控制发热组（N = 25）、正常体温组（N = 17）和非预期低体温组（N = 6）。主要结局为出院时的脑功能分类（CPC）量表评分。在48例ECPR患者中，23例（47.9%）神经学结局良好（CPC 1和2），27例（56.3%）存活至出院。正常体温组在ECPR后48小时内呈现出较其他组更高的体温模式。无论发热控制策略如何，非预期低体温组不仅神经学结局不良，而且重症监护病房（ICU）死亡率也高于其他两组（分别为p = 0.023和p = 0.002）。
主动控制发热组与正常体温组在神经学结局和ICU死亡率方面均无差异（分别为p = 0.845和p = 0.616）。非故意持续性低体温可能与ECPR后不良神经学结局相关。这些发现提示，ECPR后无法产生发热的患者可能遭受严重的缺氧性脑损伤。
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。
