基于APP的吸入技术教育与培训医疗器械数据集
该数据集来自clinicaltrials.gov,聚焦基于APP的医疗器械用于吸入技术教育与培训,覆盖哮喘(Part 1)与COPD

基本信息
资源简介
基于APP的吸入技术教育与培训医疗器械数据集
该数据集来自clinicaltrials.gov,聚焦基于APP的医疗器械用于吸入技术教育与培训,覆盖哮喘(Part 1)与COPD。源站描述指出,全球范围内COPD与哮喘患病率高,可导致死亡、健康问题、生活质量下降及个人与社会的高额成本;呼吸系统疾病的药物治疗常通过吸入器实现肺部沉积。COPD与哮喘指南要求患者应接受定期教育与吸入技术纠正,可接受的吸入技术能有效预防哮喘与COPD症状失控及急性加重,因此吸入技术教育是确保良好治疗反应的前提,通常由护士、药师或医生提供,包括吸入器使用培训、演示及临床错误纠正(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Asthma (Part 1), COPD. 全球范围内COPD和哮喘是普遍存在的疾病,导致死亡、健康问题、生活质量受损以及个人和社会的高额成本。呼吸系统疾病的药物治疗通常通过吸入器给药,使药物能够沉积于肺部。慢性阻塞性肺疾病(COPD)和哮喘的指南指出,患者应接受定期的吸入技术教育和纠正。可接受的吸入技术是有效预防哮喘和COPD症状失控及急性加重的手段。因此,吸入技术教育是确保良好治疗反应的前提。吸入技术教育通常由护士、药师或医生提供,包括吸入器使用的培训和演示以及临床错误纠正。
【主题与分类】
主题标签:Asthma (Part 1)、COPD。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07145632
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/NCT07145632
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:哮喘(第1部分)、慢性阻塞性肺疾病(COPD)。在全球范围内,COPD和哮喘是普遍存在的疾病,导致死亡、健康问题、生活质量受损,并给个人和社会带来高昂成本。呼吸系统疾病的药物治疗通常通过吸入器给药,使药物能够沉积于肺部。慢性阻塞性肺疾病(COPD)和哮喘的指南指出,患者应接受定期教育和吸入技术的纠正。可接受的吸入技术能有效预防哮喘和COPD症状控制不佳及急性加重。因此,吸入技术教育是确保良好治疗反应的前提。吸入技术教育通常由护士、药师或医生提供,包括在临床就诊时进行吸入器使用的培训和演示、纠正错误,并通过观察患者是否能正确完成吸入器准备的关键步骤——摇匀吸入器、取下盖子、正确执行剂量并在吸入后屏气——来进行。
不同的吸入装置具有不同的吸气阻力和流量特性,以确保药物在肺部沉积。患者的吸气能力以及吸入装置的内部阻力会影响药物颗粒能否到达肺部炎症部位。特别是儿童和肺功能降低的患者(例如在急性加重期),存在无法正确吸入的风险。此外,老年患者无论是否患有COPD,其产生足够吸气流量的能力也可能受损。因此,在为治疗开具新的吸入装置时,评估最适合患者的吸入装置非常重要。总体而言,吸入装置主要分为两大类:干粉吸入器(DPI)或压力定量吸入器(MDI),两者在吸入技术方面具有不同的特性。MDI要求患者缓慢吸入药物,而DPI则需要更有力的吸入
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。




