印度哮喘护理束的开发与验证:减少再入院并改善急性哮喘加重出院后护理
该数据集源自 clinicaltrials.gov,聚焦急性哮喘加重出院后的护理与再入院问题,属于呼吸系统疾病/哮喘领域

基本信息
资源简介
印度哮喘护理束的开发与验证:减少再入院并改善急性哮喘加重出院后护理
该数据集源自 clinicaltrials.gov,聚焦急性哮喘加重出院后的护理与再入院问题,属于呼吸系统疾病/哮喘领域。源站描述指出哮喘影响全球约2.9亿人,印度约2.9%人口患病,约4200万人,其DALYs为全球两倍、死亡率达三倍,近25%患者每年至少因加重住院一次。数据可用于开发与验证印度哮喘护理束,预测再入院风险并改善出院后管理(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:哮喘加重、哮喘(诊断)、加重、住院。背景与理由:哮喘是一种慢性炎症性气道疾病,特征为可变的气流阻塞、支气管高反应性和反复出现的呼吸道症状,全球估计影响2.9亿人。约2.9%的印度人患有哮喘,涉及近4200万人。不仅患病率,哮喘导致的伤残调整生命年(DALYs)也是全球比例的两倍,而死亡率高达全球比例的三倍。据一份报告,近25%的哮喘患者每年至少因加重住院一次,加重可能由多种因素触发,如暴露于空气污染、治疗依从性差或任何伴随的过敏反应,这可能导致肺功能下降、增加
【主题与分类】
主题标签:Asthma Exacerbation、Asthma (Diagnosis)、Exacerbations、Hospitalisation。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/NCT07815730
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/NCT07815730
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:哮喘急性发作、哮喘(诊断)、急性发作、住院治疗。背景与理由 哮喘是一种慢性气道炎症性疾病,特征为可变的气流阻塞、支气管高反应性及反复发作的呼吸道症状,全球约有2.9亿人受其影响。印度约有2.9%的人口患有哮喘,患者数量接近4200万。不仅患病率如此,哮喘导致的伤残调整生命年(DALYs)是全球比例的两倍,而死亡率更是高达全球比例的三倍。据报告,每年有近25%的哮喘患者因急性发作至少住院一次,这些发作可能由多种因素触发,如空气污染暴露、治疗依从性差或任何伴随的过敏反应,可能导致肺功能下降、心肺事件风险增加及死亡。如此高的哮喘相关住院率,不仅仅是因为治疗依从性差或环境触发因素,还包括哮喘护理基础设施的根本性缺口。
印度每年在哮喘护理上的花费近95亿美元,其中大部分为自付支出。不恰当的哮喘护理可能在维持哮喘管理谬误的恶性循环中发挥重要作用,最终导致沉重的经济负担。尽管缺乏印度数据,但一些报告显示,因哮喘急性发作而住院的患者中,超过75%需要吸氧,而近38%的哮喘患者在出院后30天内曾到急诊科(ED)就诊或再次住院。再入院或急诊就诊与发病率增加和医疗资源利用增加相关,因此对哮喘的经济负担贡献显著。因此,在急性发作后出院期间,必须为哮喘患者制定持续护理和优化治疗方案,以降低发病率和死亡率。Internatio
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。




