慢性呼吸系统疾病管理远程患者监测方案
该数据集来自 clinicaltrials.gov,聚焦哮喘及儿童哮喘、急性与慢性哮喘等呼吸系统疾病。研究旨在评估 Aevice 设备在哮喘急性发作后自我管理中的临床结局、自我效能、生活质量、效用与成本效果,涵盖 GINA 评分症状控制、急性发作指标、EQ-5D 与 mini-AQLQ 生活质量、自

基本信息
资源简介
慢性呼吸系统疾病管理远程患者监测方案
该数据集来自 clinicaltrials.gov,聚焦哮喘及儿童哮喘、急性与慢性哮喘等呼吸系统疾病。研究旨在评估 Aevice 设备在哮喘急性发作后自我管理中的临床结局、自我效能、生活质量、效用与成本效果,涵盖 GINA 评分症状控制、急性发作指标、EQ-5D 与 mini-AQLQ 生活质量、自编自我效能问卷、系统可用性量表及使用时间与频率等维度,可用于哮喘远程监测与自我管理相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Asthma、Asthma Attack、Asthma in Children、Asthma Acute、Asthma Chronic。本研究旨在评估 Aevice 设备在哮喘急性发作后自我管理中的临床结局、自我效能、生活质量、效用和成本效果。目标是评估:1. Aevice 对哮喘症状控制的影响(使用 Global Initiative for Asthma (GINA) 评分)2. Aevice 对哮喘急性发作的影响(通过急救治疗次数、口服 Prednisolone 剂量、急诊转诊和住院情况衡量)3. Aevice 对生活质量的影响(使用 Euro Quality of Life - 5 Dimensions (E!Q5D) 和 mini-asthma quality of life questionnaire)4. 患者使用 Aevice 的自我效能(自编问卷)5. Aevice 的可用性(系统可用性量表)和效用(使用时间和使用频率)6. The
【主题与分类】
主题标签:Asthma、Asthma Attack、Asthma in Children、Asthma Acute、Asthma Chronic。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/NCT06377345
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/NCT06377345
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、哮喘发作、儿童哮喘、急性哮喘、慢性哮喘。本研究旨在评估Aevice设备在哮喘急性发作后自我管理中的临床结局、自我效能、生活质量、效用及成本效果。研究目标为评估:1. Aevice对哮喘症状控制的影响(使用全球哮喘防治创议(GINA)评分)2. Aevice对哮喘急性发作的影响(通过急救治疗次数、口服泼尼松龙剂量、急诊转诊及住院情况衡量)3. Aevice对生活质量的影响(使用欧洲五维健康量表(EQ-5D)及迷你哮喘生活质量问卷)4. 患者使用Aevice的自我效能(自编问卷)5. Aevice的可用性(系统可用性量表)及效用(使用时间和使用频率)6. 接受与拒绝使用Aevice的参与者的采纳率及人口学特征7. 患者愿意为使用Aevice支付的金额8. 临床医生对使用技术进行远程监测及Aevice设备的认知与可接受性9.
评估使用Aevice的成本效益。根据我们目前的统计数据,成人至儿童急性加重比例为10:3。为消除随机分组中的年龄偏倚,采用分层抽样,拟纳入126名成人和54名儿童(每组63名成人和27名儿童)。各层患者将根据计算机生成的区组随机化列表,按1:1比例随机分配至干预组或对照组。采用随机排列区组以确保随时间推移的均衡性。区组大小由研究统计学家确定,并在最终数据库锁定前对研究团队保密。每位患者在随机化时将分配一个单独的随机化编号。所分配的随机化编号将用于识别患者,并用于本研究该患者的所有文档记录。在患者完成资格筛查并
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。




