异物气道梗阻的发病率、生存率、EMS治疗及非专业人员急救
该数据集来源于clinicaltrials.gov,聚焦异物气道梗阻(FBAO)导致的院外心脏骤停(OHCA)。覆盖的病症包括院外心脏骤停、异物吸入和心肺骤停

基本信息
资源简介
异物气道梗阻的发病率、生存率、EMS治疗及非专业人员急救
该数据集来源于clinicaltrials.gov,聚焦异物气道梗阻(FBAO)导致的院外心脏骤停(OHCA)。覆盖的病症包括院外心脏骤停、异物吸入和心肺骤停。源站描述指出,FBAO是OHCA的不常见原因,约占所有OHCA的1.1-1.4%,但导致缺氧性心脏骤停的FBAO报告发病率尚不明确,可能高达每10万人年11例,占所有OHCA的10%,且EMS治疗或非专业人员急救均缺乏充分描述。数据可用于研究FBAO相关心脏骤停的发病率、生存率、EMS治疗及公众急救措施,并为预防宣传活动提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:院外心脏骤停、异物吸入、心肺骤停。背景:异物气道梗阻是由异物(例如食物、玩具、硬币等)引起的气道部分或完全阻塞。气道阻塞若未经治疗,将因缺氧导致心脏骤停。既往研究将异物气道梗阻描述为院外心脏骤停(OHCA)的不常见原因,约占所有OHCA的1.1-1.4%。导致缺氧性心脏骤停的异物气道梗阻(FBAO)的报告发病率尚不明确。据报道,其发病率高达每10万人年11例,占所有OHCA的10%,并且无论是紧急医疗服务(EMS)治疗还是非专业人员急救,均未得到充分描述。在组织针对导致心脏骤停的严重FBAO的预防宣传活动时,关于预后不良物品的知识
【主题与分类】
主题标签:Out-Of-Hospital Cardiac Arrest、Foreign Body Aspiration、Cardiopulmonary Arrest。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04279860
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/NCT04279860
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
病症:院外心脏骤停、异物吸入、心肺骤停。背景:异物气道阻塞是由异物(例如食物、玩具、硬币等)引起的气道部分或完全阻塞。气道阻塞若未经治疗,将因缺氧导致心脏骤停。既往研究将异物气道阻塞描述为院外心脏骤停(OHCA)的一种不常见病因,约占所有OHCA的1.1-1.4%。由异物气道阻塞(FBAO)导致缺氧性心脏骤停的已报告发生率尚不明确。据报道,其发生率高达每10万人年11例,占所有OHCA的10%,且无论是紧急医疗服务(EMS)的治疗还是非专业人员的急救,均缺乏充分描述。在组织针对导致心脏骤停的严重FBAO的预防宣传活动时,了解预后不良的物品、易感年龄组以及由非专业人员和EMS人员实施的(适当和不适当的)治疗至关重要。
既往研究表明,FBAO呈双峰分布,一端是极年幼者误吞玩具或其他非食物物品(硬币、气球等),另一端是老年人主要误吞食物。多种合并症在FBAO致死病例中过度呈现已有充分记载,尤其是脑梗死、痴呆、精神分裂症、抑郁症和帕金森病。然而,FBAO导致缺氧性心脏骤停是一种可逆原因,易于治疗,因而可以预防。因此,如果实施有效的宣传活动,提供正确诊断,促进EMS人员和普通民众及时治疗,FBAO所致缺氧性心脏骤停为提高OHCA总体生存率提供了巨大潜力。此类宣传活动必须以证据、对人群的现实估计和可靠的基线测量为指导,以评估效果。尽管只有少量研究提供了从到院开始的数据,但多项研究表明,FBAO中最常见的食物为肉类、面包、米糕、水果
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。




