常用降压药对慢性阻塞性肺疾病患者肺动脉高压的影响
该数据集来自 Odense University Hospital，为经确诊的慢性阻塞性肺疾病（COPD）患者接受超声心动图检查后回顾性收集的去标识化临床数据
基本信息
资源简介
常用降压药对慢性阻塞性肺疾病患者肺动脉高压的影响
Common antihypertensive drugs and their effect on pulmonary hypertension in chronic obstructive pulmonary disease.
该数据集来自 Odense University Hospital，为经确诊的慢性阻塞性肺疾病（COPD）患者接受超声心动图检查后回顾性收集的去标识化临床数据。变量涵盖人口学信息（年龄、性别、体质指数）、吸烟史、COPD 严重程度（GOLD 分期及 FEV₁、FVC、FEV₁/FVC 等肺功能参数）、心脏合并症、用药情况（各类降压药与长期氧疗）以及详细的超声心动图参数。研究以三尖瓣反流压力（TRP）作为平均肺动脉压的替代指标，探讨常用降压药对 COPD 患者肺动脉压力的影响，可用于分析降压药类别、长期氧疗与肺动脉压力之间的关联（来源 DOI 解析，Creative Commons Attribution 4.0 Internatio。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：本项目研究常用降压药是否影响慢性阻塞性肺疾病（COPD）患者的肺动脉压力。具体而言，我们以经胸超声心动图测量的三尖瓣反流压力（TRP）作为平均肺动脉压的替代指标，并探讨其与不同类别降压药物及长期氧疗的关联。该数据集由在 Odense University Hospital 接受超声心动图检查、经确诊的 COPD 患者的去标识化回顾性临床数据组成。变量包括人口学信息（年龄、性别、体质指数）、吸烟史、COPD 严重程度（GOLD 分期及肺功能参数：FEV₁、FVC、FEV₁/FVC）、心脏合并症、用药情况（降压药物类别与长期氧疗）以及详细的超声心动图参数。
【主题与分类】
主题标签：Pulmonary Disease, Chronic Obstructive、Antihypertensive Agents、Tricuspid Valve Insufficiency、Oxygen Inhalation Therapy。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.20658655
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.20658655
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
本项目旨在探究常用降压药物是否会影响慢性阻塞性肺疾病（COPD）患者的肺动脉压力。具体而言，我们以经胸超声心动图中的三尖瓣反流压力（TRP）作为平均肺动脉压的替代指标，并探讨其与不同类别降压药物及长期氧疗之间的关联。数据集包含来自欧登塞大学医院、经超声心动图检查且确诊为COPD的患者的去标识化、回顾性收集的临床数据。变量包括人口学信息（年龄、性别、体质指数）、吸烟史、COPD严重程度（GOLD分期及肺功能参数：FEV₁、FVC、FEV₁/FVC）、心脏合并症、用药情况（降压药物类别及长期氧疗），以及与右心结构和功能相关的详细超声心动图参数（如TRP、估测收缩期肺动脉压、TAPSE、RV/LV比值、右心室尺寸及右心劳损的定性指标）。
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。
