COMPERA / COMPERA-KIDS 肺动脉高压注册研究数据集
COMPERA / COMPERA-KIDS 是来源于 clinicaltrials.gov 的肺动脉高压（PAH）与肺高血压（PH）注册研究数据集，覆盖患者人口学与临床病程、生存等结局、短期与长期临床结局预测因素、PAH 药物与结局关系、新诊断患者治疗与结局的时间趋势、指南实施状况、PAH 研究需
基本信息
资源简介
COMPERA / COMPERA-KIDS 肺动脉高压注册研究数据集
COMPERA / COMPERA-KIDS 是来源于 clinicaltrials.gov 的肺动脉高压（PAH）与肺高血压（PH）注册研究数据集，覆盖患者人口学与临床病程、生存等结局、短期与长期临床结局预测因素、PAH 药物与结局关系、新诊断患者治疗与结局的时间趋势、指南实施状况、PAH 研究需求演变，以及合并先天性心脏病和 Eisenmenger 生理的患者与各年龄段儿童 PH/PAH 患者。可用于分析患者特征、治疗策略与预后关系，支持临床结局预测与治疗模式研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：肺动脉高压（PAH）、肺高血压（PH）。COMPERA 将报告以下方面的当前和全面数据： 新发和现患 PAH 与 PH 患者的人口学和临床病程 患者结局，包括按亚组、按治疗策略和其他因素划分的生存 短期和长期临床结局的临床预测因素 PAH 药物与患者结局之间的关系 新诊断患者治疗和结局的时间趋势 当前 PAH 指南的实施状况 PAH 群体不断演变的研究需求 与先天性心脏病和 Eisenmenger 生理相关且未接受 PAH 特异性药物治疗的 PAH 患者（“COMPERA-Eisenmenger”，如 2012 年 1 月 23 日修正案所述）。* 任何年龄的 PH 或 PAH（所有 Dana Point 分组）儿童，如所述
【主题与分类】
主题标签：Pulmonary Arterial Hypertension (PAH)、Pulmonary Hypertension (PH)。本站分类：循环系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT01347216
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/NCT01347216
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：肺动脉高压（PAH）、肺高血压（PH）。COMPERA将报告关于以下方面的当前和全面数据：* 新发和现患PAH及PH患者的人口统计学特征和临床病程 * 患者结局，包括按亚组、按治疗策略及其他因素划分的生存率 * 短期和长期临床结局的临床预测因素 * PAH药物与患者结局之间的关系 * 新诊断患者治疗和结局的时间趋势 * 当前PAH指南的实施状况 * PAH领域不断演变的研究需求 * 伴有先天性心脏病和艾森曼格生理且未接受PAH特异性药物治疗的PAH患者（“COMPERA-Eisenmenger”，如2012年1月23日修正案所述）。* 任何年龄的PH或PAH患儿（所有Dana Point分组），如2013年6月1日修正案所述（“COMPERA-KIDS”）。
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。
