PAH-SDB:肺动脉高压中的睡眠呼吸障碍与结局
PAH-SDB 是一个基于疾病的前瞻性多中心患者注册与纵向队列,聚焦睡眠呼吸障碍及夜间呼吸生理与肺血管疾病在当代肺动脉高压治疗时代的相互作用

基本信息
资源简介
PAH-SDB:肺动脉高压中的睡眠呼吸障碍与结局
PAH-SDB 是一个基于疾病的前瞻性多中心患者注册与纵向队列,聚焦睡眠呼吸障碍及夜间呼吸生理与肺血管疾病在当代肺动脉高压治疗时代的相互作用。该队列不局限于以呼吸暂停低通气指数为中心,而是采集阻塞性与中枢性呼吸事件、持续与间歇性低氧血症、去饱和形态与负荷、心率与自主神经反应、呼吸不稳定、睡眠碎片化及可穿戴设备衍生的数字生理特征。入组者为经右心导管确诊的 WHO 第 1 类 PAH 患者,可用于研究 SDB 与 PAH 结局的关联及预测(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)、睡眠呼吸障碍(SDB)。PAH-SDB 被设计为基于疾病的前瞻性多中心患者注册和纵向队列。该注册研究探讨在当代肺动脉高压(PAH)治疗时代,睡眠呼吸障碍(SDB)或夜间呼吸生理与肺血管疾病之间的相互作用。该研究有意比以呼吸暂停低通气指数为中心的队列更广泛,并将采集阻塞性和中枢性呼吸事件、持续性和间歇性低氧血症、去饱和形态和负荷、心率和自主神经反应、呼吸不稳定、睡眠碎片化(如可获得),以及来自经过验证的睡眠或可穿戴设备的其他数字生理特征。符合条件的参与者将具有经右心导管确诊的 WHO 第 1 类 PAH
【主题与分类】
主题标签:Pulmonary Arterial Hypertension (PAH)、Sleep-disordered Breathing (SDB)。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/NCT07852403
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/NCT07852403
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)、睡眠呼吸障碍(SDB)。PAH-SDB 是一项基于疾病的前瞻性多中心患者注册研究和纵向队列研究。该注册研究探讨在当代肺动脉高压(PAH)治疗时代,睡眠呼吸障碍(SDB)或夜间呼吸生理与肺血管疾病之间的相互作用。该研究有意超越以呼吸暂停低通气指数为中心的队列,将采集阻塞性和中枢性呼吸事件、持续性和间歇性低氧血症、去饱和形态与负荷、心率和自主神经反应、呼吸不稳定性、睡眠碎片化(如有)、以及源自经过验证的睡眠或可穿戴设备的其他数字化生理特征。符合条件的参与者须经右心导管检查,依据当代血流动力学标准确诊为 WHO 第1组 PAH。
基线评估将包括PAH病因和病程、合并症、症状及WHO功能分级、六分钟步行距离、利钠肽和常规实验室检查、心电图、超声心动图、右心导管检查变量、PAH特异性治疗、氧疗和气道正压通气使用情况、在可行情况下的患者报告结局,以及标准化的整夜睡眠研究。核心睡眠方案将包括气流、呼吸努力、脉搏血氧饱和度、心率或心电图信息、体位,以及在设备支持时的打鼾。完整多导睡眠监测将根据临床指征、中心能力或专门子研究方案,在嵌套亚组中进行。参与者将接受纵向随访,以观察临床恶化、PAH相关住院、治疗升级、肺或心肺移植以及死亡。重复PAH评估将按照常规临床护理进行,并采用统一的登记时间点。计划在纵向亚组中重复进行睡眠监测,尤其是在PAH治疗发生重大变化后。
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。




