COPD 住院后死亡率与症状负担
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者出院后的死亡与症状负担。源站描述显示,PEARL 评分用于预测 COPD 急性加重(ECOPD)出院后 90 天内的再入院或死亡,并在 PEARL 推导队列(2 家医院、824 名患者)中开发了预测一年生存的新工

基本信息
资源简介
COPD 住院后死亡率与症状负担
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者出院后的死亡与症状负担。源站描述显示,PEARL 评分用于预测 COPD 急性加重(ECOPD)出院后 90 天内的再入院或死亡,并在 PEARL 推导队列(2 家医院、824 名患者)中开发了预测一年生存的新工具。该工具与现有 COPD 预后工具将在 PEARL 验证队列(6 家医院、1,593 名患者)中比较。数据可用于构建和评估 COPD 预后预测模型(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:慢性阻塞性肺疾病、阻塞性肺疾病、肺气肿、慢性支气管炎、伴气道阻塞的慢性支气管炎、伴急性加重的慢性支气管炎。PEARL(既往入院、扩展医学研究理事会呼吸困难评分、年龄、右心衰竭和左心衰竭)评分可预测慢性阻塞性肺疾病急性加重(ECOPD)出院后 90 天内的再入院或死亡,由主要导师的研究团队开发。在 PEARL 推导队列(2 家医院,824 名患者)中,他们开发了一种预测一年生存的新工具。这种新工具与现有慢性阻塞性肺疾病(COPD)预后工具的性能将在 PEARL 验证队列(6 家医院,1,593 名患者)中进行比较。现有工具包括身体质量指
【主题与分类】
主题标签:Pulmonary Disease, Chronic Obstructive、Pulmonary Disease, Obstructive、Emphysema、Chronic Bronchitis。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/NCT03657121
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/NCT03657121
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、阻塞性肺疾病、肺气肿、慢性支气管炎、伴有气道阻塞的慢性支气管炎、慢性支气管炎急性加重。PEARL评分(既往入院史、扩展医学研究委员会呼吸困难评分、年龄、右心衰竭和左心衰竭)可预测慢性阻塞性肺疾病急性加重(ECOPD)出院后90天内的再入院或死亡风险,该评分由首席导师的研究团队开发。在PEARL推导队列(2家医院,824名患者)中,他们开发了一种预测一年生存率的新工具。该新工具与现有慢性阻塞性肺疾病(COPD)预后工具的性能将在PEARL验证队列(6家医院,1,593名患者)中进行比较。
现有工具包括:体重指数、气流阻塞、呼吸困难与急性加重(BODEX)指数(评分范围0-9分);PEARL评分(评分范围0-9分);COPD金标准框架预后指标指南(COPD PIG);合并症、阻塞、呼吸困难与急性加重(CODEX)指数(评分范围0-10分);年龄、呼吸困难与阻塞(ADO)指数(评分范围0-14分);呼吸困难、阻塞、吸烟、急性加重(DOSE)指数(评分范围0-8分),支持性与姑息治疗指标工具(SPICT),以及另一中心最近开发的另一种工具(PubMed参考文献暂不可得)。COPD-PIG和SPICT的评分方式不同,因此没有评分范围。所有工具的性能还将在至少310名患者中进行进一步的前瞻性评估。COPD-PIG仅适用于临床医生对患者“若在一年内死亡不会感到意外”的情况进行评分;该工具的性能无法完全通过回顾性方式进行评估。
前瞻性验证还将有助于评估数据收集的便捷性;这一信息在现有的PEARL队列中无法获得,但它是选择最终工具时的关键考量,以确保该工具适合在医院病房中广泛使用。连续入组诺森布里亚医疗保健NHS基金会信托的独特患者
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。




