心力衰竭中的中枢性呼吸暂停:指导治疗的生理机制
该数据集来自 clinicaltrials.gov,聚焦于心力衰竭合并射血分数降低的退伍军人中中枢性睡眠呼吸暂停(CSA)的生理机制研究

基本信息
资源简介
心力衰竭中的中枢性呼吸暂停:指导治疗的生理机制
该数据集来自 clinicaltrials.gov,聚焦于心力衰竭合并射血分数降低的退伍军人中中枢性睡眠呼吸暂停(CSA)的生理机制研究。研究旨在检验复发性 CSA 的两个关键决定因素:外周化学感受器活动增强与呼吸觉醒,并采用 PAP 联合干预策略,利用 CO2 储备的可塑性作为解决 CSA 的途径。数据可用于探索 CSA 的机制通路,为未来临床治疗研究提供依据(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:睡眠呼吸障碍,健全。本项目的目标是测试机制通路,为未来研究中枢性睡眠呼吸暂停(CSA)在合并射血分数降低的心力衰竭(HF)退伍军人中的潜在治疗提供信息。长期目标是改变同时患有这两种疾病的退伍军人的护理。研究者将测试退伍军人 HF 中复发性 CSA 的两个关键决定因素:外周化学感受器活动增强和呼吸觉醒。具体而言,该项目将利用一种新型 PAP 联合方法,将 PAP 治疗以缓解上气道阻塞与针对 CSA 机制基础的特定干预相结合。实验将利用 CO2 储备的可塑性作为解决 CSA 的门户。研究者将抑制觉醒或减弱增强
【主题与分类】
主题标签:Sleep Disordered Breathing、Able Bodied。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/NCT07210606
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/NCT07210606
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:睡眠呼吸障碍,身体健全。本项目旨在测试机制通路,为未来临床研究提供依据,这些研究将探讨对患有心力衰竭及射血分数降低(HF)的退伍军人中中枢性睡眠呼吸暂停(CSA)的潜在治疗。长期目标是改变患有这两种疾病的退伍军人的照护方式。研究者将测试退伍军人HF患者中复发性CSA的两个关键决定因素:外周化学感受器活动增强和呼吸觉醒。具体而言,该项目将采用一种新型的PAP联合方法,将PAP治疗与针对CSA机制基础的特定干预相结合,以缓解上气道阻塞。实验将利用CO2储备的可塑性作为解决CSA的突破口。研究者将在通过PAP维持上气道通畅的同时,抑制觉醒或减弱增强的PCR活动。长期目标是为未来的多模式干预研究提供依据。为此,将在患有HF和CSA的退伍军人中探讨以下具体目标。
具体目标(1):确定减少呼吸觉醒对中枢性睡眠呼吸暂停(CSA)倾向的影响。研究者假设,PAP联合曲唑酮治疗在提高觉醒阈值、扩大CO2储备(主要结局)以及降低CSA指数方面优于单用PAP。具体目标(2):确定降低外周化学感受器敏感性对CSA倾向的影响。研究者假设,PAP联合补充O2(针对外周化学感受器敏感性)在扩大CO2储备(主要结局)、降低控制器增益以及降低CSA指数方面优于单用PAP。拟议研究具有创新性,测试针对CSA潜在病因的机制性“PAP Plus”方法,并通过PAP缓解上气道阻塞。这些研究将为未来临床试验提供依据,以转变中枢性呼吸暂停的诊疗
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。




