虚拟呼吸干预改善哮喘相关生活质量的随机对照试验

数据集获取

源站：https://clinicaltrials.gov/study/NCT07752836

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

疾病：支气管哮喘。哮喘是一种常见的慢性肺部疾病，可引起呼吸困难、胸闷和焦虑等症状。即使使用适当的药物，约30-40%的哮喘患者仍无法获得良好的症状控制，生活质量持续下降。呼吸练习被推荐作为哮喘的辅助非药物治疗。然而，这些方案在康复诊所之外并不广泛可用，且需要更多科学证据，尤其是数字化形式方面。本研究旨在探讨为期12周的结构化在线呼吸训练方案能否改善哮喘控制不佳的成年患者的哮喘相关生活质量。参与者将被随机分配到干预组或接受常规护理的对照组。干预措施包括由经过培训的物理治疗师通过视频会议每周进行的实时小组呼吸训练，并结合每日在家进行的简短自我练习。参与者还将使用一种简单的呼吸设备来辅助练习。

对照组将继续接受常规医疗护理，不进行额外的呼吸训练。我们将评估该计划是否能改善生活质量、哮喘控制以及焦虑、压力和呼吸功能障碍等症状。该研究还将评估在线形式对参与者是否可行、可接受且令人满意。呼吸练习是无创且低风险的。本研究的结果可能有助于为哮喘患者开发易于获取、低成本且基于证据的支持计划。

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。