慢性阻塞性肺疾病资源、教育与活动定制研究

数据集获取

源站：https://clinicaltrials.gov/study/NCT07125053

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：COPD。本研究的总体目标是检验COPD自我管理治疗的各组成部分效应，并筛选出优化治疗方案，同时收集影响实施的因素信息（即混合1型有效性-实施性研究）。1 研究设计以多阶段优化策略（MOST）为指导，2 这是一种创新的、受工程学启发的方法学框架，用于干预开发，通过高效的随机试验来评估治疗组成部分在临床相关结局上的表现，既可独立评估也可组合评估。拟议研究将实现以下具体目标：目标1. 通过开展2x2x2析因试验，确定三个治疗组成部分（即自我管理教育、吸入器训练和身体活动）对以下方面的主效应和交互效应：a）12个月内呼吸相关住院（主要结局），以及b）健康相关生活质量（次要结局）。

与实施每种治疗条件相关的项目成本将被测量，并将进行中介分析，以进一步理解各组成部分效应的机制。子目标1a。考察基线疾病严重程度和共病状况（即心血管疾病、肺癌、睡眠呼吸暂停、代谢综合征）与每种治疗组成部分对结局的交互作用，以探索治疗反应的潜在差异。目标2。选择优化治疗方案。研究者将确定能够产生最佳预期结局（即减少呼吸相关住院并提高健康相关生活质量）的优化治疗组合，同时保持治疗实施项目成本的效率。目标3。制定一套实施策略，以增加对优化治疗方案的转介，方法是对医疗保健提供者（N=10-20）和管理人员（N

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。