COVID-19及其他肺炎合并呼吸衰竭患者接受helmet CPAP治疗的临床数据集
该数据集来自意大利Vimercate医院，收录了因肺炎相关急性低氧性呼吸衰竭或急性呼吸窘迫综合征而接受Helmet Continuous Positive Airway Pressure（H-CPAP）治疗的患者临床记录
基本信息
资源简介
COVID-19及其他肺炎合并呼吸衰竭患者接受helmet CPAP治疗的临床数据集
A clinical dataset of COVID-19 and other pneumonia patients with respiratory failure treated with helmet continuous positive airway pressure
该数据集来自意大利Vimercate医院，收录了因肺炎相关急性低氧性呼吸衰竭或急性呼吸窘迫综合征而接受Helmet Continuous Positive Airway Pressure（H-CPAP）治疗的患者临床记录。数据整合了2020—2021年COVID-19队列与2010—2025年非COVID-19队列，共685条记录、每位患者一条，包含入院时采集的28个变量，涵盖人口学、合并症、实验室检查、生命体征、呼吸参数、感染性疾病及临床结局。该数据可用于支持早期治疗决策，并适用于机器学习与预测建模研究（来源 DOI 解析，Creative Commons Attribution Share Alike 4.0 Internati。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：急性低氧性呼吸衰竭（AHRF）和急性呼吸窘迫综合征（ARDS）仍是发病和死亡的主要原因，凸显了对支持早期治疗决策工具的需求。我们提出VIM-H-CPAP，这是一个经过整理的临床数据集，纳入因肺炎相关AHRF或ARDS入住意大利Vimercate医院并接受Helmet Continuous Positive Airway Pressure（H-CPAP）治疗的患者。最终数据集整合了一个COVID-19队列（2020—2021年）和一个非COVID-19队列（2010—2025年），包含685条记录，每条记录代表一位独特患者，以及入院时测量的28个变量，包括人口统计学、合并症、实验室测量、生命体征、呼吸参数、感染性疾病和临床结局。临床评估表明，该数据集与已确立的病理生理机制一致，并再现了e
【主题与分类】
主题标签：Acute Hypoxemic Respiratory Failure、Acute Respiratory Distress Syndrome、COVID-19、Machine Learning、Large Language Model、Pneumonia。本站分类：呼吸系统疾病/肺炎。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.18713611
使用许可：Creative Commons Attribution Share Alike 4.0 International。
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://doi.org/10.5281/zenodo.18713611
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:
数据集大小约 230.0 KB。
数据说明
急性低氧性呼吸衰竭（AHRF）和急性呼吸窘迫综合征（ARDS）仍然是发病和死亡的主要原因，凸显了对支持早期治疗决策工具的需求。我们提出了VIM-H-CPAP，这是一个精心整理的临床数据集，涵盖因肺炎相关AHRF或ARDS入住意大利Vimercate医院并接受头盔式持续气道正压通气（H-CPAP）治疗的患者。最终数据集整合了一个COVID-19队列（2020–2021年）和一个非COVID-19队列（2010–2025年），包含685条记录，每条记录代表一位独特患者，以及28个入院时测量的变量，包括人口统计学、合并症、实验室检查、生命体征、呼吸参数、感染性疾病和临床结局。临床评估表明，该数据集与已确立的病理生理机制一致，并再现了呼吸指标与H-CPAP失败之间预期的关联。
该资源旨在支持开发和训练用于早期预测H-CPAP失败的人工智能与机器学习模型，促进对急性呼吸衰竭和COVID-19的研究，并推动数据驱动的临床决策支持工具的开发。
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。
