哮喘用药自动吸入器监测

该数据集来自 clinicaltrials.gov,主题为哮喘用药的自动吸入器监测,评估 aflo™ 数字平台改善儿童、青少年及成人未控制哮喘患者吸入器使用技术和哮喘控制的能力

Boston Children's HospitalBoston Children's Hospital
clinicaltrials
浏览 12
表格预测Asthma
Automated Inhaler Monitoring for Asthma Medication Usage

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-08

资源简介

哮喘用药自动吸入器监测

该数据集来自 clinicaltrials.gov,主题为哮喘用药的自动吸入器监测,评估 aflo™ 数字平台改善儿童、青少年及成人未控制哮喘患者吸入器使用技术和哮喘控制的能力。数据覆盖用药依从性、吸入器技术(以 Inhaler Proficiency Score 衡量)、哮喘控制(以 Asthma Control Test 及 FEV1、PEF 肺功能测试衡量)等指标,参与者使用 aflo™ 传感器获取实时反馈与用药提醒,并通过移动应用追踪症状与生活质量。可用于研究数字干预对哮喘管理效果的影响(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:哮喘。本临床试验的目标是评估 aflo™ 数字平台改善儿童、青少年和成人未控制哮喘患者吸入器使用技术和哮喘控制的能力。该试验旨在回答的主要问题是:1. 该平台是否改善用药依从性和吸入器使用技术(以 Inhaler Proficiency Score(IPS)衡量)?2. aflo™ 平台是否改善哮喘控制(以 Asthma Control Test(ACT)和肺功能测试(FEV1、PEF)的变化衡量)?参与者将: 在其哮喘吸入器上使用 aflo™ 传感器,以获得关于使用技术的实时反馈和用药依从性提醒。 通过移动应用追踪哮喘症状和生活质量。* 在为期 3 个月的研究开始和结束时完成评估访视和调查,并进行 2 次中期哮喘评估电话。

【主题与分类】

主题标签:Asthma。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/NCT06825871

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT06825871

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

疾病:哮喘。本临床试验旨在评估aflo™数字平台在改善未控制哮喘儿童、青少年和成人吸入器使用技术和哮喘控制方面的能力。该试验旨在回答的主要问题包括:1. 该平台是否能改善药物依从性和吸入器使用技术,以吸入器熟练度评分(IPS)衡量?2. aflo™平台是否能改善哮喘控制,以哮喘控制测试(ACT)和肺功能测试(FEV1、PEF)的变化衡量?参与者将:* 在使用哮喘吸入器时配合aflo™传感器,以获得实时的技术反馈和用药依从性提醒。* 通过移动应用程序追踪哮喘症状和生活质量。* 在为期3个月的研究开始和结束时完成评估访视和问卷调查,并进行2次中期哮喘评估电话随访。

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。

获取专属数据定制方案