基层医疗哮喘治疗优化中电子邮件审计与反馈附加信件的试验数据
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,涉及基层医疗中通过电子邮件审计与反馈附加信件来优化哮喘治疗的试验

基本信息
资源简介
基层医疗哮喘治疗优化中电子邮件审计与反馈附加信件的试验数据
该数据集来自 clinicaltrials.gov,聚焦呼吸系统疾病中的哮喘,涉及基层医疗中通过电子邮件审计与反馈附加信件来优化哮喘治疗的试验。源站描述指出,呼吸吸入器和麻醉气体分别占 NHS 温室气体总产量的 3% 和 2%,吸入器是多种慢性呼吸系统疾病的主要治疗手段,包含 pMDI、DPI、BAI 和 SMI 四类装置。数据可用于研究吸入器相关治疗优化与基层医疗干预(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:哮喘。卫生服务使用的一小类药物类别产生了不成比例的大量 NHS 温室气体排放,即呼吸吸入器和麻醉气体(分别占 NHS 总排放量的 3% 和 2%)。吸入器是多种慢性呼吸系统疾病的主要治疗手段,提供一种独特的药物递送机制,直接递送至肺部以最大化效果并限制全身副作用。存在四种主要的吸入器装置类别,包括压力定量吸入器(pMDI——开发于 1950 年代)、干粉吸入器(DPI——开发于 1980 年代)、呼吸驱动定量吸入器(BAI)和软雾吸入器(SMI——开发于 2000 年代——目前仅可用于提供长效毒蕈碱受体拮抗剂)。自 1990 年代以来,pMDI 一直由氢氟
【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/NCT05761873
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/NCT05761873
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:哮喘。卫生服务体系使用的一小部分药物类别产生了不成比例的NHS温室气体总排放量,即呼吸吸入器和麻醉气体(分别占NHS总排放量的3%和2%)。吸入器是多种慢性呼吸系统疾病的主要治疗手段,提供了一种独特的药物递送机制,可直接将药物递送至肺部,以最大化疗效并限制全身副作用。吸入器装置主要有四类,包括压力定量吸入器(pMDI——20世纪50年代开发)、干粉吸入器(DPI——20世纪80年代开发)、呼吸驱动定量吸入器(BAI)和软雾吸入器(SMI——2000年代开发——目前仅可用于提供长效毒蕈碱受体拮抗剂)。自20世纪90年代以来,pMDI一直通过氢氟碳化物(HFCs)驱动——据计算,这种温室气体的温室效应是二氧化碳的3800倍。
在BAIs和pMDIs中发现的这种化学推进剂——而非药物本身——是所有吸入器治疗相关高碳足迹的主要原因,其中pMDIs的碳足迹比DPIs高18倍。目前尚无明确的国家指南指导在pMDI与DPI之间进行选择的临床决策过程。操作DPI需要最低20-50 L/min的峰值呼气流速(PEFR)以克服装置内部阻力,最佳PEFR为40-65 L/min;这通常被描述为需要快速深吸气以产生湍流以辅助药物递送(26)。对于pMDI,缓慢吸气产生约30 L/min的PEFR为最佳。一项针对健康儿童的小型研究发现,虽然100%的5岁儿童能够以30 L/min的流速使用DPI,但仅有62.5%能够使用需要60 L/min的装置;对于6岁儿童,这些数字分别增至100%和91.7%。NICE在2000年建议DPIs应
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。




