运动期间经皮CO2连续测量评估肺泡死腔
该数据集来自clinicaltrials.gov,聚焦运动期间经皮CO2连续测量用于评估肺泡死腔。覆盖慢性阻塞性肺疾病、间质性肺疾病、慢性心力衰竭、肺动脉高压、过度通气综合征及健康人群

基本信息
资源简介
运动期间经皮CO2连续测量评估肺泡死腔
该数据集来自clinicaltrials.gov,聚焦运动期间经皮CO2连续测量用于评估肺泡死腔。覆盖慢性阻塞性肺疾病、间质性肺疾病、慢性心力衰竭、肺动脉高压、过度通气综合征及健康人群。研究在运动试验中监测肺泡死腔,以经皮PtCO2作为动脉PaCO2的替代指标,并对照动脉或动脉化毛细血管采血评估其有效性,尤其关注CO2从动脉到皮肤扩散的滞后时间。数据可用于验证无创CO2监测在运动及快速CO2变化场景下的准确性,支持心肺运动评估相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性阻塞性肺疾病、间质性肺疾病、慢性心力衰竭、肺动脉高压、过度通气综合征、健康。研究目的是在各种条件下进行的运动试验中,通过连续经皮测量PtCO2来监测肺泡死腔,该测量将用作动脉PaCO2的替代指标。需要对照动脉采血(动脉或动脉化毛细血管)评估该测量的有效性,特别是关于CO2从动脉腔室(PaCO2)扩散到皮肤腔室(PtCO2)所需的滞后时间,尤其是在运动可能引起CO2快速变化时。评估将在2种不同环境中进行:* 重症监护患者,为其常规临床护理配备动脉管路;这允许精确
【主题与分类】
主题标签:Pulmonary Disease, Chronic Obstructive、Lung Diseases, Interstitial、Chronic Heart Failure、Pulmonary Arterial Hypertension、Hyperventilation Syndrome、Healthy。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03718780
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/NCT03718780
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
疾病条件:慢性阻塞性肺疾病、间质性肺病、慢性心力衰竭、肺动脉高压、过度通气综合征、健康状态。研究目的是在各种条件下进行的运动试验中,通过连续经皮测量PtCO2来监测肺泡死腔,该测量值将作为动脉PaCO2的替代指标。此测量的有效性需与动脉采样(动脉血或动脉化毛细血管血)进行对比评估,特别是关于CO2从动脉腔室(PaCO2)扩散至皮肤腔室(PtCO2)所需的滞后时间,尤其是在运动可能引起CO2快速变化时。评估将在两种不同环境中进行:* 重症监护患者,因其常规临床护理已配备动脉导管;这允许对PaCO2与PtCO2读数进行精确的定时比较;* 常规运动试验,其中血气评估主要通过动脉化耳垂毛细血管采样完成。
在评估测量的有效性(以及可能需要引入作为校正的PaCO2-PtCO2滞后时间)之后,将在不同条件下测试运动试验期间死腔的变化:健康受试者、慢性阻塞性肺疾病(COPD)患者、慢性心力衰竭(CHF)患者、过度通气、肺动脉高压(PAH)或间质性肺病(ILD)患者。
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。




