Juno Perth 临床试验
研究分两阶段：Phase I 在睡眠实验室中让当前 NIV 使用者分别接受 AutoEPAP iVAPS、ST 模式与 Fixed EPAP iVAPS 三种通气模式，共 3 晚，以呼吸暂停低通气指数为主要结局指标；Phase II 在患者家中将 AutoEPAP iVAPS 与 ST 模式进行 7
基本信息
资源简介
Juno Perth 临床试验
Juno Perth Clinical Trial 来自 clinicaltrials.gov，聚焦呼吸功能不全及相关疾病的无创通气治疗比较。研究分两阶段：Phase I 在睡眠实验室中让当前 NIV 使用者分别接受 AutoEPAP iVAPS、ST 模式与 Fixed EPAP iVAPS 三种通气模式，共 3 晚，以呼吸暂停低通气指数为主要结局指标；Phase II 在患者家中将 AutoEPAP iVAPS 与 ST 模式进行 7 晚比较，以各设备的平均 EPAP 设置为主要结局指标。数据可用于评估不同通气模式对呼吸功能不全患者的疗效与参数差异（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：呼吸功能不全、肥胖低通气综合征、慢性阻塞性肺疾病（COPD）、神经肌肉疾病、上气道阻塞。Phase I：将在当前因慢性阻塞性肺疾病（COPD）、肥胖低通气综合征（OHS）或神经肌肉疾病（NMD）导致呼吸功能不全和/或呼吸衰竭的 NIV 使用者中，将 AutoEPAP iVAPS 与两种现有通气疗法进行比较：“Spontaneous Timed (ST) mode”和“Intelligent Volume Assured Pressure Support (Fixed EPAP iVAPS)”。患者将在睡眠实验室中以上述三种模式共度过 3 晚。呼吸暂停低通气指数将是主要结局指标。Phase II：将在患者家中为期 7 晚的时间内，将 AutoEPAP iVAPS 与 ST 模式进行比较。每台设备的平均 EPAP 设置将是主要结局指标。
【主题与分类】
主题标签：Respiratory Insufficiency、Obesity Hypoventilation Syndrome、Neuromuscular Disease、Upper Airway Obstruction。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT02317042
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/NCT02317042
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：呼吸功能不全、肥胖低通气综合征、慢性阻塞性肺疾病（COPD）、神经肌肉疾病、上气道阻塞。第一阶段：将在因慢性阻塞性肺疾病（COPD）、肥胖低通气综合征（OHS）或神经肌肉疾病（NMD）导致呼吸功能不全和/或呼吸衰竭的现有无创通气（NIV）使用者中，将AutoEPAP iVAPS与两种现有的通气疗法进行比较：“自主定时（ST）模式”和“智能容量保证压力支持（固定EPAP iVAPS）”。患者将在睡眠实验室中以上述三种模式总共度过3晚。呼吸暂停低通气指数将是主要结局指标。第二阶段：将在患者家中为期7晚的时间内，将AutoEPAP iVAPS与ST模式进行比较。每种设备的平均EPAP设置将是主要结局指标。
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。
