英格兰和威尔士COVID-19重症监护治疗后存活患者结局
该数据集来自clinicaltrials.gov，关注英格兰和威尔士在重症监护室接受治疗的COVID-19存活患者。源站描述显示，超过10000名重症患者中约60%存活出院，但其长期健康影响尚不明确
基本信息
资源简介
英格兰和威尔士COVID-19重症监护治疗后存活患者结局
该数据集来自clinicaltrials.gov，关注英格兰和威尔士在重症监护室接受治疗的COVID-19存活患者。源站描述显示，超过10000名重症患者中约60%存活出院，但其长期健康影响尚不明确。研究将随访出院后1年的存活者，并利用ICNARC收集的数据识别患者，以了解其后续健康状况，帮助确保他们获得全科医生及NHS服务的适当照护。数据可用于分析重症COVID-19对心力衰竭、心肌梗死、卒中、静脉血栓等循环系统及多器官结局的长期影响（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：病症：Covid19、Myocardial Infarction、Stroke、Critical Illness、Heart Failure、Deep Vein Thrombosis、Pulmonary Embolism、Renal Failure。在英格兰和威尔士，超过10,000名患者因严重冠状病毒病2019（COVID-19）在重症监护室接受治疗。约60%存活出院。目前尚不清楚存活者严重的COVID-19感染或他们在重症监护室接受的治疗将如何影响其长期健康。了解这些患者的情况有助于确保他们在出院后从全科医生（GP）和其他国家卫生服务体系（NHS）服务中获得适当的照护。本研究将随访存活者出院后1年。研究人员将使用重症监护国家审计与研究中心（ICNARC）收集的数据来识别接受治疗的患者
【主题与分类】
主题标签：Covid19、Myocardial Infarction、Stroke、Critical Illness、Heart Failure、Deep Vein Thrombosis、Pulmonary Embolism、Renal 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/NCT04838106
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/NCT04838106
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：Covid19、心肌梗死、卒中、危重症、心力衰竭、深静脉血栓、肺栓塞、肾衰竭。在英格兰和威尔士，超过10，000名患者因重型2019冠状病毒病(COVID-19)在重症监护室接受治疗。约60%的患者存活出院。目前尚不清楚幸存者曾患重型COVID-19感染或其在重症监护室接受的治疗将如何影响其长期健康。了解这些患者的情况有助于确保他们在出院后从全科医生(GP)和其他国家医疗服务体系(NHS)服务中获得适当的照护。本研究将对幸存者进行出院后1年的随访。研究者将利用国家重症监护审计与研究中心(ICNARC)收集的数据，识别因COVID-19在ICU接受治疗的患者。随后，研究者将利用NHS数据查看这些患者是否再次入院及其原因。来自国家统计局的信息将用于确定患者是否死亡。
通过关联不同来源的患者数据，研究人员将评估重症COVID-19幸存者面临的健康风险，并将这些风险与因其他疾病在ICU接受治疗的患者所面临的风险进行比较。
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。
