支气管扩张急性加重患者支气管肺泡灌洗及局部阿米卡星注射治疗研究
该数据集来自 clinicaltrials.gov，聚焦支气管扩张急性加重患者，评估支气管肺泡灌洗联合局部阿米卡星注射治疗的疗效与安全性
基本信息
资源简介
支气管扩张急性加重患者支气管肺泡灌洗及局部阿米卡星注射治疗研究
该数据集英文名为 Therapy of Bronchoalveolar Lavage and Local Amikacin Injection in Patients With Acute Exacerbation of Bronchiectasis，来源于 clinicaltrials.gov，主题标签为 Bronchiectasis，本站归类为呼吸道疾病 / 支气管扩张。数据集聚焦支气管扩张急性加重患者，围绕支气管肺泡灌洗联合局部阿米卡星注射治疗展开，旨在通过观察大样本临床病例，评估该治疗方案的疗效与安全性。研究期间设置第 30 天、第 60 天和第 90 天三个研究访视时间点，所有参与者均需接受各项疗效与安全性指标的检查。该数据集可为呼吸领域研究者了解这一治疗策略的临床观察设计提供参考。
【数据集背景】
支气管扩张是一种以支气管不可逆性扩张为特征的呼吸道疾病，急性加重期常需积极干预。该数据集所对应的研究关注支气管扩张急性加重患者群体，探索支气管肺泡灌洗与局部阿米卡星注射联合治疗的临床价值。研究目的在于通过观察大样本临床病例，评价该治疗方案的有效性与安全性，为相关临床实践提供依据。数据集的主题标签为 Bronchiectasis，本站将其归入呼吸道疾病 / 支气管扩张分类。
【数据内容】
源站描述显示，该研究纳入支气管扩张患者，研究过程中设置第 30 天、第 60 天和第 90 天三个研究访视节点，所有参与者均被要求检查各项疗效与安全性指标。数据集围绕上述访视所采集的疗效与安全性指标展开，具体包含哪些字段、指标种类及样本规模，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明，研究通过观察大样本临床病例的方式开展，并在第 30 天、第 60 天和第 90 天进行研究访视，参与者需接受疗效与安全性指标检查。关于采集机构、采集地点、采集时间窗口及具体采集流程，源站未提供。
【适用场景】
基于源站描述，该数据集适用于关注支气管扩张急性加重期治疗的研究场景，尤其是围绕支气管肺泡灌洗联合局部阿米卡星注射治疗的疗效与安全性评价。其访视时间点设计（第 30 天、第 60 天、第 90 天）可供开展短期至中期随访观察的研究参考。其他具体适用场景，源站未提供。
【使用方法】
源站描述仅说明研究设置了三个访视时间点并要求参与者检查各项疗效与安全性指标，未提供数据访问方式、数据结构说明或使用指南。相关内容源站未提供。
【质量与限制】
源站描述提及研究通过观察大样本临床病例开展，并设置多个访视时间点检查疗效与安全性指标。关于数据完整性、准确性、缺失情况、偏倚控制及样本量等质量相关信息，源站未提供。使用时应结合源站原始记录核实。
【引用与许可】
该数据集来源站为 clinicaltrials.gov。关于引用格式、许可条款及使用限制，源站未提供。
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/NCT02509091
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：支气管扩张。本研究旨在通过观察大样本临床病例，评估支气管肺泡灌洗及局部注射阿米卡星治疗的有效性和安全性。观察期间，研究访视将在第30天、第60天和第90天结束时进行。所有参与者均需检查各项有效性和安全性指标。
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。
