智能吸入器与远程哮喘管理在智力及发育障碍青少年中的应用

数据集获取

源站：https://clinicaltrials.gov/study/NCT07746921

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：儿童哮喘、智力障碍（F70-F79）、发育障碍、自闭症谱系障碍。本研究是一项单盲随机对照试点试验，目标纳入34名年龄在10-17岁、被诊断为智力与发展障碍（IDD）且患有中重度哮喘的参与者。受试者从一家大型城市学术儿童医院的亚专科门诊和一家初级保健联邦合格健康中心（FQHC）招募。干预组参与者被分配使用主动智能吸入器进行每日远程家庭管理，持续8周；对照组接受标准哮喘教育并使用被动智能吸入器进行远程家庭管理。所有参与者在8周内参加三次访视，每次访视间隔四周。主要结局指标为可行性和可接受性，通过数据完整性和满意度调查进行评估。次要结局指标为用药提醒和吸入器熟练度量表，由智能吸入器和经过培训的观察者进行测量，并采用斯皮尔曼相关检验进行分析。三级结局指标为第一秒用力呼气容积（FEV1）和呼气峰值流量（PEF），通过肺量计测量。

呼出气一氧化氮分数（FeNO）通过FeNO设备测量，以十亿分之一为单位，测定一次呼气中一氧化氮的含量。人口统计学特征和结局以频率（%）、均值（标准差）或中位数（四分位距）报告。分析将采用广义线性混合效应模型，以考虑参与者内的相关性。

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。