阻塞性睡眠呼吸暂停与难治性哮喘(OSADA)
OSADA 数据集来自 clinicaltrials.gov,聚焦阻塞性睡眠呼吸暂停(OSA)与哮喘的共病关系,尤其关注难治性哮喘人群

基本信息
资源简介
阻塞性睡眠呼吸暂停与难治性哮喘(OSADA)
OSADA 数据集来自 clinicaltrials.gov,聚焦阻塞性睡眠呼吸暂停(OSA)与哮喘的共病关系,尤其关注难治性哮喘人群。源站描述指出,全球哮喘患者约 3 亿、OSA 患者约 10 亿,两者常在同一人身上共存;约 20% 的哮喘患者属于难治性哮喘,即使使用高剂量吸入剂仍症状持续,疾病负担更重、医疗利用更多、日常活动受限,且更需要全身性糖皮质激素。该数据可用于研究 OSA 与哮喘共病、CPAP 治疗及难治性哮喘相关特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:哮喘(诊断)、OSA - 阻塞性睡眠呼吸暂停、CPAP 治疗。阻塞性睡眠呼吸暂停(OSA)和哮喘是全球最常见的两种呼吸系统疾病,据估计哮喘影响 3 亿人,OSA 影响约 10 亿人。因此,这两种疾病常在同一个人身上共存。虽然大多数哮喘患者通过简单的吸入器治疗即可成功控制病情,但约 20% 患有难治性哮喘,其特征是尽管使用高剂量吸入器仍症状持续。与病情较轻的哮喘患者相比,这些患者因哮喘而经历显著程度的疾病负担,医疗利用增加、日常生活活动受限,并且更需要全身性糖皮质激素。尽管新型生物疗法已改善部分此类患者的结局
【主题与分类】
主题标签:Asthma (Diagnosis)、OSA - Obstructive Sleep Apnea、CPAP Treatment。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/NCT07160868
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/NCT07160868
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:哮喘(诊断)、OSA——阻塞性睡眠呼吸暂停、CPAP治疗。阻塞性睡眠呼吸暂停(OSA)和哮喘是全球最常见的两种呼吸系统疾病,据估计哮喘影响3亿人,而OSA影响约10亿人。因此,这两种疾病常在同一患者中并存。虽然大多数哮喘患者通过简单的吸入器治疗即可成功控制病情,但约20%的患者患有难治性哮喘,其特征是尽管使用高剂量吸入器仍持续存在症状。与轻度哮喘患者相比,这些患者因哮喘而经历显著程度的疾病负担,包括医疗资源使用增加、日常生活活动受限,以及对全身性皮质类固醇的需求增加。尽管新型生物制剂疗法改善了部分患者的预后,但在许多患者的诊疗中仍存在显著未满足的需求。OSA一直被列为难治性哮喘的重要合并症,有观点认为它可能对成功实现哮喘控制的能力产生显著的不利影响。
然而,目前缺乏对难治性哮喘队列中OSA的存在及其严重程度与哮喘症状之间关系的系统性评估,且关于治疗OSA对气流变异性和哮喘控制效果的影响所知甚少。研究者旨在开展一项开放标签随机对照试验,研究对象为在难治性哮喘门诊就诊的患者。参与者将接受家庭睡眠监测,以调查是否存在潜在的睡眠呼吸暂停并发诊断。研究者将考察3个月期间OSA与哮喘急性发作、气流变异性(通过家庭峰流速监测)、患者报告的哮喘控制、肺功能及气道炎症标志物之间的基线和纵向关系,从而对伴有OSA和不伴有OSA的患者进行比较。确诊OSA的患者,其定义为呼吸暂停-低
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。




