肝肺综合征伴直立低氧血症患者的仰卧位运动试验
该数据集来自 clinicaltrials.gov,对应一项在加拿大多伦多 St. Michael's Hospital 开展的单中心随机交叉对照试验,研究对象为肝肺综合征患者

基本信息
资源简介
肝肺综合征伴直立低氧血症患者的仰卧位运动试验
该数据集来自 clinicaltrials.gov,对应一项在加拿大多伦多 St. Michael's Hospital 开展的单中心随机交叉对照试验,研究对象为肝肺综合征患者。试验比较仰卧位运动(干预组)与直立位运动(对照组)在 4 周内的效果,运动采用个体化恒定功率,功率依据近 6 个月内室内空气 6 分钟步行试验结果估算峰值功率后取其 70-80% 设定。数据可用于分析运动体位对肝肺综合征患者运动反应的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:肝肺综合征。这是一项为期 1 年的随机交叉对照试验研究,在 4 周内比较仰卧位运动(干预组)与直立位运动(对照组)的效果。这是一项在安大略省多伦多市 St. Michael's Hospital 开展的单中心研究。运动将以恒定功率进行,并针对每位参与者个体化设定。峰值功率将根据最近 6 个月内室内空气 6 分钟步行试验(6MWT)的结果计算。用于估算峰值功率的公式为:峰值功率 = 0.168 x 6MWD(米)- 4.085(参考 Kozu Respirology 2010)。个体化恒定功率将设定为该估算峰值功率的 70-80%。主要停止标准为:在标准化鼓励后,受试者因症状无法继续的时刻(
【主题与分类】
主题标签:Hepatopulmonary Syndrome。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/NCT04004104
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/NCT04004104
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:肝肺综合征。这是一项为期4周的随机交叉对照试验研究,旨在比较仰卧位运动(干预组)与直立位运动(对照组)的效果。这是一项在安大略省多伦多市圣迈克尔医院开展的单中心研究。运动将以恒定功率进行,并根据每位参与者的具体情况个体化设定。峰值功率将根据最近6个月内室内空气下6分钟步行试验(6MWT)的结果计算。估算峰值功率所用公式为:峰值功率 = 0.168 × 6MWD(米)− 4.085(参考Kozu Respirology 2010)。个体化恒定功率将设定为该估算峰值功率的70%–80%。主要停止标准为:在经过标准化鼓励后,受试者因症状无法继续运动的那一刻(即患者不愿继续,或无法维持≥10秒的最低40转/分踏车频率)。这被定义为“耐受极限”(tLIM)。
额外的安全相关终止标准将包括:出现危及生命的心律失常、收缩压较基线下降≥10 mmHg,或血氧饱和度低于设定值持续≥30秒。设定饱和度阈值将根据每位患者个体化选择,取以下两者中的较低值:80%或6分钟步行试验(6MWT)中室内空气下所见的最低饱和度。每位受试者在各体位下的运动试验将进行标准化,包括根据腿长适当调整座椅以及踏车频率(50-60转/分)。吸气容量将在运动操作前后进行测量。功率自行车阻力将设定为上述预先确定的恒定功率。将持续监测血氧饱和度、心电图、气体交换、血压以及主观呼吸困难/腿部疲劳(Borg量表),并在整个过程中给予标准化的口头鼓励。参与者将被要求携带跑鞋和舒适的运动
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。




