肺移植预后相关围手术期危险因素：一项回顾性研究
该数据集来自 clinicaltrials.gov，聚焦肺移植预后相关的围手术期危险因素。覆盖 COPD、间质性肺炎、支气管扩张、呼吸衰竭、特发性肺纤维化（IPF）、矽肺、肺结核、肺动脉高压等疾病人群，纳入 2017 至 2024 年在浙江大学医学院附属第一医院接受肺移植的患者，数据来自医院与 Me
基本信息
资源简介
肺移植预后相关围手术期危险因素：一项回顾性研究
该数据集来自 clinicaltrials.gov，聚焦肺移植预后相关的围手术期危险因素。覆盖 COPD、间质性肺炎、支气管扩张、呼吸衰竭、特发性肺纤维化（IPF）、矽肺、肺结核、肺动脉高压等疾病人群，纳入 2017 至 2024 年在浙江大学医学院附属第一医院接受肺移植的患者，数据来自医院与 Mediston 系统。主要关注院内并发症，次要关注 ICU 停留、术后住院、死亡与插管时间，可用于分析麻醉管理对肺移植结局的影响并改进围手术期麻醉方案（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：COPD、间质性肺炎、支气管扩张、呼吸衰竭、特发性肺纤维化（IPF）、矽肺、肺结核、肺动脉高压。本研究分析 2017 至 2024 年在浙江大学医学院附属第一医院接受肺移植的患者，重点关注麻醉对术后结果的影响。研究从医院和 Mediston 系统收集患者数据，主要关注院内并发症，次要关注 ICU 停留、术后住院、死亡和插管时间。该研究旨在加深对麻醉管理在肺移植结局中作用的理解，并指导围手术期麻醉方案的改进。
【主题与分类】
主题标签：COPD、Interstitial Pneumonia、Bronchiectasis、Respiratory Failure、Idiopathic Pulmonary Fibrosis (IPF)、Silicosis、Pulmonary Tuberculosis、Pulmonary Hypertension、Pulmonary Heart Disease。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/NCT06922916
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/NCT06922916
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
疾病类型：慢性阻塞性肺疾病、间质性肺炎、支气管扩张、呼吸衰竭、特发性肺纤维化（IPF）、矽肺、肺结核、肺动脉高压。本研究分析了2017年至2024年在浙江大学医学院附属第一医院接受肺移植的患者，重点关注麻醉对术后结果的影响。研究从医院系统和Mediston系统收集患者数据，主要关注院内并发症，次要关注ICU住院时间、术后住院时间、死亡率和插管时间。该研究旨在加深对麻醉管理在肺移植结果中作用的理解，并指导围术期麻醉方案的改进。
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。
