药物与酒精呼吸健康测试的开发
该数据集来自clinicaltrials.gov,主题为药物与酒精呼吸健康测试(DARHT)的开发,本站归类于肿瘤/肺癌

基本信息
资源简介
药物与酒精呼吸健康测试的开发
该数据集来自clinicaltrials.gov,主题为药物与酒精呼吸健康测试(DARHT)的开发,本站归类于肿瘤/肺癌。覆盖呼吸系统疾病、物质相关障碍、COPD、哮喘、肺癌、结核病、支气管炎、肺炎及阻塞性睡眠呼吸暂停等主题。数据可用于开发简短的呼吸健康筛查工具,支持临床评估与医学审查,并关注物质使用障碍人群的呼吸疾病管理需求(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:呼吸系统疾病、物质相关障碍、COPD、哮喘、肺癌、结核病、支气管炎、肺炎。呼吸系统疾病在患有物质使用障碍的成年人中非常普遍。吸入药物是危险因素,吸烟导致90%的COPD病例。物质使用障碍人群在获得医疗保健方面面临障碍,导致诊断不足,包括污名化,加剧了对有效呼吸系统疾病管理的未满足需求。NHS和第三部门成瘾服务中没有针对特定人群的筛查工具。缺乏经过验证的筛查工具意味着呼吸系统健康症状可能被忽视或归因于其他原因。本试验的目的是开发一种简短的药物与酒精呼吸健康测试(DARHT),并使其可用于临床评估和医学审查。主要研究
【主题与分类】
主题标签:Respiratory Disease、Substance-Related Disorders、COPD、Asthma、Lung Cancer、Tuberculosis、Bronchitis、Pneumonia、Obstructive Sleep Apnea。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06921278
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/NCT06921278
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
病症:呼吸系统疾病、物质相关障碍、慢性阻塞性肺疾病(COPD)、哮喘、肺癌、结核病、支气管炎、肺炎。在患有物质使用障碍的成年人中,呼吸系统疾病极为普遍。吸入性药物是风险因素,而吸烟导致了90%的COPD病例。物质使用障碍人群在获取医疗服务方面面临障碍,导致诊断不足,其中包括污名化,加剧了有效呼吸系统疾病管理的未满足需求。NHS及第三部门成瘾服务中缺乏针对特定人群的筛查工具。缺乏经过验证的筛查工具意味着呼吸系统健康症状可能被忽视或归因于其他原因。本试验旨在开发一种简短的药物和酒精呼吸健康测试(DARHT),并将其用于临床评估和医疗审查。主要研究问题是确定DARHT是否能与金标准肺功能检查达到满意的诊断准确性。
本研究将面向我们治疗诊所(NHS二级保健)中任何已入组的成年患者(年龄>18岁),这些患者在过去的28天内报告吸食(吸烟)烟草、大麻、可卡因、阿片类药物或饮酒。自愿、知情并同意参与的受试者将被邀请:(1)完成一份简短的研究问卷,其中包括DARHT,然后进行肺活量测定和脉搏血氧饱和度测试;(2)在3-7天后返回诊所,由不同的访谈员完成DARHT。在DARHT或肺活量计上评估为阳性的参与者将被转介至初级或专科服务。研究人员将在6周后联系被转介的参与者,以确定他们的进展,并使用PHQ-4和EQ-5D-L评估生活质量的变化。前20名被转介至专科护理的参与者将被邀请至肺健康诊所,研究人员将在那里提供心理社会干预以给予建议和支持。
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。




