年轻COPD与Pre-COPD早期筛查数据集
该数据集来自clinicaltrials.gov，聚焦慢性阻塞性肺疾病（COPD）及Pre-COPD的早期筛查。数据涵盖年龄、性别、BMI、吸烟状态（吸烟指数、被动吸烟）、生物质暴露、粉尘/气体/烟雾职业暴露史及呼吸系统疾病家族史等基本信息，并对吸烟状态进行了明确定义
基本信息
资源简介
年轻COPD与Pre-COPD早期筛查数据集
Early Screening of Young COPD and Pre-COPD 数据集来自 clinicaltrials.gov，围绕慢性阻塞性肺疾病（COPD）及 Pre-COPD 的早期筛查主题组织数据。其内容以受试者基本信息与暴露史为核心，涵盖年龄、性别、体重指数（BMI）、吸烟状态（含吸烟指数与被动吸烟）、生物质暴露、粉尘/气体/烟雾职业暴露史以及呼吸系统疾病家族史等维度，并对吸烟状态给出了明确的操作性定义。该数据集可为呼吸系统疾病早期识别相关的研究与分析提供结构化的基础信息支撑。
【数据集背景】
慢性阻塞性肺疾病（Pulmonary Disease, Chronic Obstructive）是该数据集关注的核心疾病主题，数据集名称体现其定位于年轻人群 COPD 及 Pre-COPD 的早期筛查。源站将其登记为临床试验记录，条件字段标注为慢性阻塞性肺疾病。数据集围绕早期筛查这一目标，收集与呼吸系统疾病风险相关的基础信息和暴露史，用于刻画受试者在疾病早期阶段或前期状态下的特征分布。
【数据内容】
数据集包含的基本信息有年龄、性别、体重指数（BMI）、吸烟状态、生物质暴露、粉尘/气体/烟雾职业暴露史以及呼吸系统疾病家族史。其中吸烟状态被划分为从未吸烟、既往吸烟和当前吸烟三类，并配有明确判定标准：从未吸烟指过去吸烟少于 100 支；当前吸烟以基线时正在吸烟为准；既往吸烟指过去吸烟超过 100 支、但在基线前至少 6 个月未吸烟。吸烟指数按每天吸烟包数乘以吸烟年数计算。被动吸烟指非吸烟者与吸烟者共同生活而吸入烟雾的情形。上述字段共同构成对个体吸烟暴露与职业、环境暴露的结构化记录。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中列出的条件为慢性阻塞性肺疾病，并给出了基本信息与相关定义的说明，包括吸烟状态分类标准、吸烟指数计算方式与被动吸烟的界定。除上述来源信息外，源站未提供关于采集机构、采集时间、样本量、随访安排等进一步细节。
【适用场景】
基于其字段构成，该数据集适用于围绕 COPD 及 Pre-COPD 早期筛查的研究场景，例如分析吸烟状态、吸烟指数、被动吸烟、生物质暴露、职业性粉尘/气体/烟雾暴露及家族史等暴露因素与早期筛查特征之间的关系，也可用于构建受试者基础特征与暴露史的描述性统计。需要说明的是，源站未提供该数据集在其他具体研究用途上的说明。
【使用方法】
源站未提供该数据集的具体使用方式、访问条件或数据处理说明。使用者需依据 clinicaltrials.gov 上该记录的公开信息自行判断可用性。
【质量与限制】
源站未提供关于数据质量、完整性、样本代表性或已知偏差的说明。由于该数据集登记分类为肿瘤 / 肺癌，而其主题标签与条件字段指向慢性阻塞性肺疾病，二者存在不一致，使用时需注意核对源站原始记录以确认数据实际覆盖范围。此外，源站描述在被动吸烟定义处文本不完整，相关细节需以源站完整记录为准。
【引用与许可】
源站未提供引用格式与许可条款信息。使用时应遵循 clinicaltrials.gov 的相关规定并核对原始记录的引用要求。
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/NCT06844175
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：慢性阻塞性肺疾病。1. 基本信息及相关定义：基本信息包括年龄、性别、体重指数（BMI）、吸烟状况（吸烟指数、被动吸烟）、生物质暴露、粉尘/气体/烟雾职业暴露史及呼吸系统疾病家族史。参与者的吸烟状况分为从不吸烟、既往吸烟或当前吸烟。从不吸烟定义为过去吸烟少于100支。当前吸烟定义为基线时吸烟。既往吸烟定义为既往吸烟超过100支，但基线前至少6个月未吸烟。吸烟指数定义为每天吸烟包数乘以吸烟年数。被动吸烟定义为非吸烟者与吸烟者共同生活并吸入烟雾超过1年。生物质暴露定义为使用木材、农作物残渣、木炭、草和粪便等生物质超过1年。职业性粉尘/气体/烟雾暴露定义为受试者一生中职业性暴露于粉尘/气体/烟雾超过1年。
呼吸系统疾病家族史定义为父母、兄弟姐妹及童年时期患有呼吸系统疾病（如慢性支气管炎、肺气肿、哮喘、COPD、肺源性心脏病、支气管扩张、肺癌、间质性肺病、阻塞性睡眠呼吸暂停低通气综合征），并进一步随访评估用药史。临床症状包括咳嗽、咳痰、活动后气短、窒息性喘息及呼吸困难。临床症状定义为上述症状非由其他明确原因引起，且每年累计时间不少于2个月。2. 问卷评分：① 改良呼吸困难量表（mMRC）：主要用于评估COPD患者的呼吸困难程度。量表范围为0至4级，级别越高表明呼吸困难越严重，其中1级和2级表示“轻至中度呼吸
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。
