哮喘急性加重后远程医疗干预以减少复发性急性加重
该数据集来自clinicaltrials.gov,聚焦哮喘急性加重后远程医疗干预以减少复发性急性加重。入组后随访12个月,干预组在出院后7-21天及入组后5个月进行远程门诊访视,并在3、9、12个月进行电话随访;对照组仅接受相同时间点的电话随访

基本信息
资源简介
哮喘急性加重后远程医疗干预以减少复发性急性加重
该数据集来自clinicaltrials.gov,聚焦哮喘急性加重后远程医疗干预以减少复发性急性加重。入组后随访12个月,干预组在出院后7-21天及入组后5个月进行远程门诊访视,并在3、9、12个月进行电话随访;对照组仅接受相同时间点的电话随访。采集数据包括复发性急性加重、全身性糖皮质激素使用、急诊就诊、住院、用药变化、急救吸入器使用及ACT评估的哮喘症状负担。参与者通过SNOSE随机分组。可用于评估远程干预对哮喘复发风险及医疗资源使用的影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性哮喘、哮喘发作。数据收集:参与者入组后将随访12个月。干预组将在出院后7-21天以及入组后5个月进行远程门诊访视。此外,将在入组后3个月、9个月和12个月进行随访电话。对照组将在相同的评估时间点接受随访电话,但不进行远程门诊干预。收集的数据将包括复发性急性加重、全身性糖皮质激素使用、急诊就诊、住院、用药变化、急救吸入器使用以及使用哮喘控制测试(ACT)评估的哮喘症状负担。参与者将使用包含治疗分配的安全系统——顺序编号、不透明、密封信封(SNOSE)——随机分配到各自的干预组。
【主题与分类】
主题标签:Asthma Acute、Asthma Attack。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/NCT07629830
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/NCT07629830
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:急性哮喘、哮喘发作。数据收集:参与者入组后将接受为期12个月的随访。干预组将在出院后7-21天以及入组后5个月进行远程诊所访问。此外,将在入组后3个月、9个月和12个月进行随访电话。对照组将在相同的评估时间点接受随访电话,但不进行远程诊所干预。收集的数据将包括复发性加重、全身性皮质类固醇使用、急诊就诊、住院、药物变更、急救吸入器使用以及使用哮喘控制测试(ACT)评估的哮喘症状负担。参与者将使用包含治疗分配的安全系统——顺序编号、不透明、密封信封(SNOSE)——随机分配到各自的干预组。为了保持严格的分配隐藏并最小化选择偏倚,整个随机化过程将仅由独立的研究协调员管理。
主要研究者和直接参与参与者入组、照护及数据收集的临床研究团队成员,将不参与分配信封的生成、维护或开启。独立协调员仅在参与者成功完成基线评估并符合所有资格标准后,方可开启指定信封。样本量计算:根据初步数据,预计对照组前3个月的平均急性加重率为每例患者0.25次急性加重,干预组为0.10次。以80%检验效能和0.05显著性水平检测这一差异,每组需要100名参与者。假设10%的失访率,计划样本量为220名参与者(每组110名参与者)。
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。




