将肺康复扩展至COPD以外的其他慢性呼吸系统疾病
ExPuRe 研究旨在评估结构化居家肺康复（HPR）与监督下肺远程康复（PTR）对 ILD、Asthma 和 BE 患者呼吸症状、生活质量、功能与身体活动的意愿、接受度、依从性及获益迹象，可用于分析康复参与意愿与依从性、症状缓解及身体活动变化等预测性任务（来源 clinicaltrials.gov）
基本信息
资源简介
将肺康复扩展至COPD以外的其他慢性呼吸系统疾病
该数据集来自 clinicaltrials.gov，聚焦呼吸系统疾病中的哮喘等病种，涵盖 Idiopathic Pulmonary Fibrosis (IPF)、Sarcoidosis、Bronchiectasis、Asthma Bronchiale 与 Interstitial Lung Diseases (ILD) 等主题。ExPuRe 研究旨在评估结构化居家肺康复（HPR）与监督下肺远程康复（PTR）对 ILD、Asthma 和 BE 患者呼吸症状、生活质量、功能与身体活动的意愿、接受度、依从性及获益迹象，可用于分析康复参与意愿与依从性、症状缓解及身体活动变化等预测性任务（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：Idiopathic Pulmonary Fibrosis (IPF)、Sarcoidosis、Bronchiectasis、Asthma Bronchiale、Interstitial Lung Diseases (ILD)。ExPuRe 研究的主要目标是评估结构化居家肺康复（HPR）与监督下肺远程康复（PTR）对 ILD、Asthma 和 BE 患者呼吸症状、生活质量、功能与身体活动的意愿、接受度、依从性及获益迹象，这些患者经临床评估存在肺康复项目需求。假设是 HPR 和 PTR 将吸引 30% 的合格患者，被同意参与研究的患者高度接受（≥70% 的参与者完成 70% 或以上的计划课程），并且 PTR 和 HPR 将在呼吸症状缓解、总体症状缓解方面带来积极变化，并改善或维持身体活
【主题与分类】
主题标签：Idiopathic Pulmonary Fibrosis (IPF)、Sarcoidosis、Bronchiectasis、Asthma Bronchiale、Interstitial Lung Diseases (ILD)。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/NCT06636487
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/NCT06636487
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
疾病类型：特发性肺纤维化（IPF）、结节病、支气管扩张、支气管哮喘、间质性肺疾病（ILD）。ExPuRe研究的主要目标是评估结构化居家肺康复（HPR）和监督下肺远程康复（PTR）在经临床评估需要肺康复项目的ILD、哮喘和BE患者中的意愿、接受度、依从性及获益迹象，具体针对呼吸症状、生活质量、功能状态和身体活动。研究假设为：HPR和PTR将吸引30%的合格患者，获得同意参与研究患者的高度接受（≥70%的参与者完成70%或以上的计划疗程），并且PTR和HPR在缓解呼吸症状、总体症状缓解以及改善或维持身体功能方面，将比常规护理即对照组（CON——无干预）带来更大的积极变化。
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。
