Auto-PAP治疗失代偿性心力衰竭合并睡眠呼吸暂停患者肺动脉高压的研究
该数据集来自clinicaltrials.gov,聚焦于失代偿性心力衰竭合并睡眠呼吸暂停患者,研究使用Auto-PAP治疗对肺动脉高压的影响

基本信息
资源简介
Auto-PAP治疗失代偿性心力衰竭合并睡眠呼吸暂停患者肺动脉高压的研究
该数据集来自clinicaltrials.gov,聚焦于失代偿性心力衰竭合并睡眠呼吸暂停患者,研究使用Auto-PAP治疗对肺动脉高压的影响。数据覆盖睡眠呼吸暂停、肺动脉高压和心力衰竭等条件,采用前瞻性、随机、对照、双中心、平行组设计,受试者按1:1随机分配至对照组(无APAP)或活性治疗组(APAP)。可用于分析短期持续APAP治疗对急性失代偿性心力衰竭合并睡眠呼吸障碍患者临床结局的改善作用(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:睡眠呼吸暂停、阻塞性、肺动脉高压、心力衰竭。ASAP-HF研究是一项前瞻性、随机、对照、双中心、平行组设计的研究,受试者按1:1比例随机分配至对照组(无APAP)或活性治疗组(APAP)。A组(活性):标准药物治疗加连续APAP治疗48小时,或B组(对照):仅标准药物治疗。许多心力衰竭(HF)患者也患有睡眠呼吸障碍(SDB),即睡眠期间的呼吸不规则。这些不规则可能中断睡眠并增加心力衰竭的进展速度。ASAP-HF研究旨在观察通过连续使用无创呼吸设备短时间(48小时)治疗,是否能改善伴有SDB的急性失代偿性心力衰竭(HF)患者的某些临床结局。
【主题与分类】
主题标签:Sleep Apnea, Obstructive、Hypertension, Pulmonary、Heart Failure。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/NCT02963597
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/NCT02963597
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:睡眠呼吸暂停、阻塞性、肺动脉高压、心力衰竭。ASAP-HF研究是一项前瞻性、随机、对照、双中心、平行组设计的研究,受试者按1:1比例随机分配至对照组(不使用APAP)或积极治疗组(使用APAP)。A组(积极治疗组):标准药物治疗加连续使用APAP治疗48小时,或B组(对照组):仅接受标准药物治疗。许多心力衰竭(HF)患者同时患有睡眠呼吸障碍(SDB),即睡眠期间的呼吸异常。这些异常可能会中断睡眠,并加速心力衰竭的进展。ASAP-HF研究旨在观察,对于伴有SDB的急性失代偿性心力衰竭(HF)患者,在住院期间连续短期(48小时)使用无创呼吸设备是否能改善某些临床结局。该设备名为AirSense™ 10 AutoSet(AutoSet),由气流发生器、空气管路、空气加湿器和面罩组成。当患者通过面罩呼吸时,AutoSet会监测呼吸情况。
本初步研究的主要目标是评估持续气道正压(PAP)治疗对伴有阻塞性睡眠呼吸暂停(OSA)的急性失代偿性心力衰竭(HF)患者肺动脉(PA)压力的影响。该研究还将评估功能参数、生物标志物和超声心动图参数的变化。该设备目前尚未用于诊断睡眠呼吸暂停,其效用也未得到充分研究。本研究将确立该设备在诊断睡眠呼吸暂停方面的效用。
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。




