ICS/LABA与LAMA/LABA在不同COPD表型患者中的疗效与安全性
该数据集来自clinicaltrials.gov,为一项随机、盲法、对照临床试验,前瞻性纵向开展3年(2017年9月至2020年9月),覆盖COPD患者

基本信息
资源简介
ICS/LABA与LAMA/LABA在不同COPD表型患者中的疗效与安全性
该数据集来自clinicaltrials.gov,为一项随机、盲法、对照临床试验,前瞻性纵向开展3年(2017年9月至2020年9月),覆盖COPD患者。研究比较ICS/LABA与LAMA/LABA在不同COPD表型中的疗效与安全性,涉及生物质烟雾相关COPD(BS-COPD)与吸烟相关COPD(TS-COPD),前者多表现为COPD-哮喘表型或ACOS,后者多为肺气肿表型。数据可用于COPD表型分型及个体化治疗策略研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:COPD。研究类型与时长:一项随机、盲法、对照临床试验;纵向、前瞻性,为期3年(2017年9月至2020年9月)。背景:与生物质烟雾相关的COPD(BS-COPD)占拉丁美洲所有COPD病例的三分之一,在一般人群患病率研究中约占2%。BS-COPD的临床谱与吸烟相关COPD(TS-COPD)不同。BS-COPD患者表现为COPD-哮喘表型或哮喘-COPD重叠综合征(ACOS),而TS-COPD患者多表现为肺气肿表型。BS-COPD中的COPD-哮喘表型可能解释了其与肺气肿表型相比具有更高的急性加重风险。因此,在临床实践中对两种表型进行个体化治疗可能非常有用,因为尽管这些患者未被纳入
【主题与分类】
主题标签: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/NCT05342558
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/NCT05342558
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:COPD。研究类型与持续时间:一项随机、盲法、对照临床试验;纵向、前瞻性研究,为期3年(2017年9月至2020年9月)。背景:与生物质烟雾相关的COPD(BS-COPD)占拉丁美洲所有COPD病例的三分之一,在一般人群患病率研究中约占2%。BS-COPD的临床谱与烟草烟雾相关COPD(TS-COPD)不同。BS-COPD患者表现为COPD-哮喘表型或哮喘-COPD重叠综合征(ACOS),而TS-COPD患者主要表现肺气肿表型。BS-COPD中的COPD-哮喘表型可能解释了与肺气肿表型相比,该类患者急性加重风险更高。因此,针对两种表型进行个体化治疗对临床医生可能非常有用,因为尽管这些患者未被纳入传统临床试验,但他们是日常实践的一部分。在此意义上,为该组患者提供特定治疗可能改变疾病进展,改善症状、生活质量,降低费用、副作用和急性加重。
研究者假设,COPD-哮喘表型或哮喘-COPD重叠综合征(ACOS)患者可能从LABA/ICS联合治疗(氟替卡松糠酸酯/维兰特罗——FF/V)中获得更大获益,而肺气肿表型患者则从LABA/LAMA联合治疗(乌美溴铵/维兰特罗——U/V)中获益。这些药物的优势在于二者均使用相同的易用装置,且每日仅吸入一次。其疗效和安全性已在TS_COPD中经过检验,但尚未在BS-COPD中检验。本试验将使我们能够对BS-COPD表型进行临床和功能特征描述(使用生物标志物),并将这些患者与肺气肿表型患者进行比较。假设:在COPD-哮喘表型患者中,FF/V治疗在预防COPD急性加重方面优于U/V联合治疗;而U/V将
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。




