COVID-19患者嗅觉与味觉功能障碍的患病率及结局
该数据集来自clinicaltrials.gov,聚焦COVID-19住院患者中嗅觉与味觉功能障碍的患病率及结局。数据覆盖218例实验室确诊COVID-19感染患者的临床资料,收集自Ain Shams University Hospitals,并可能纳入自愿入组的其他患者、感染医师和护士

基本信息
资源简介
COVID-19患者嗅觉与味觉功能障碍的患病率及结局
该数据集来自clinicaltrials.gov,聚焦COVID-19住院患者中嗅觉与味觉功能障碍的患病率及结局。数据覆盖218例实验室确诊COVID-19感染患者的临床资料,收集自Ain Shams University Hospitals,并可能纳入自愿入组的其他患者、感染医师和护士。研究通过问卷评估嗅觉丧失/味觉障碍的患病率,分析其与疾病严重程度及治疗结局的关联,并追踪症状改善及其时间。数据可用于探索嗅觉/味觉障碍与COVID-19病情及预后的关系,支持相关预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:嗅觉丧失。研究目的和工作计划:确诊的COVID-19住院患者将1. 接受嗅觉丧失/味觉障碍患病率问卷 2. 将嗅觉丧失/味觉障碍与疾病程度和治疗结局相关联。3. 观察嗅觉丧失/味觉障碍的改善及其时间。方法学:将获得当前研究方案的伦理委员会批准。将邀请患者参与并签署知情同意书。受试者和设置:将从Ain Shams University Hospitals收集218例实验室确诊COVID-19感染患者的临床数据。此外,其他患者、感染的医师和护士可自愿加入研究。合并症如糖尿病或高血压,以及所采取的慢性治疗线将被记录,并在数据分析中予以考虑。
【主题与分类】
主题标签:Anosmia。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/NCT04524754
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/NCT04524754
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:嗅觉丧失。研究目的与工作计划:确诊的COVID-19住院患者将 1. 填写问卷以了解嗅觉丧失/味觉障碍的患病率 2. 将嗅觉丧失/味觉障碍与疾病严重程度及治疗结局相关联。3. 观察嗅觉丧失/味觉障碍的改善情况及其时间。方法学:将获得伦理委员会对本研究方案的批准。将邀请患者参与并签署知情同意书。受试者与场所:将从Ain Shams大学医院收集218例实验室确诊COVID-19感染患者的临床数据。此外,其他患者、感染的医生和护士可自愿加入研究。将记录糖尿病或高血压等合并症以及正在接受的慢性治疗,并在数据分析中予以考虑。患者将接受ASU的covid 19治疗方案。将考虑以下纳入标准:成人(>18岁);实验室确诊COVID-19感染(逆转录聚合酶链反应,RT-PCR)。
将考虑以下排除标准:疫情前存在嗅觉或味觉功能障碍的患者;无实验室确诊COVID-19感染诊断的患者;研究时处于重症监护室的患者(因其健康状况)。临床结局将在耳鼻喉科(ENT)会诊期间收集临床数据;在患者病房内。关于嗅觉功能的问题;调查味觉功能的问题;以及关于COVID-19感染治疗的问题。所有患者都将被要求回答这些问题。嗅觉和味觉结局已通过包括社交、进食、烦恼和焦虑问题在内的多个问题确定了嗅觉功能障碍的发生情况。其余嗅觉和味觉问题将基于嗅觉和味觉
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




