美国急性呼吸窘迫综合征患者入住ICU后新发健康问题的观察性研究
该数据集来自 clinicaltrials.gov,属于呼吸系统疾病/肺炎分类,主题为急性呼吸窘迫综合征(ARDS)与重症监护后综合征(PICS)

基本信息
资源简介
美国急性呼吸窘迫综合征患者入住ICU后新发健康问题的观察性研究
该数据集来自 clinicaltrials.gov,属于呼吸系统疾病/肺炎分类,主题为急性呼吸窘迫综合征(ARDS)与重症监护后综合征(PICS)。研究为观察性设计,基于已收集的 ARDS 患者入住 ICU 的数据,关注其在 ICU 期间及之后出现的身体、心理和情绪方面的新健康问题。数据可用于识别 ARDS 幸存者的 PICS 相关健康问题,支持早期发现与及时治疗护理的预测性分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性呼吸窘迫综合征(ARDS)、重症监护后综合征(PICS)。这是一项观察性研究,研究的是已经收集的、因急性呼吸窘迫综合征(ARDS)入住重症监护室(ICU)的患者的数据。ARDS 是一种危及生命的疾病,肺部积液导致呼吸困难。在观察性研究中,仅进行观察,参与者不接受任何建议,其医疗护理也不发生任何改变。因 ARDS 等严重疾病入住 ICU 的人,在 ICU 期间及之后常常会经历新的健康问题。这些可能包括身体、精神和/或情绪障碍的健康问题,被称为重症监护后综合征(PICS)。及早识别这些新的健康问题,可以通过及时的治疗和护理帮助患者。在这项研究中,研究人员希望识别
【主题与分类】
主题标签:Post Intensive Care Syndrome (PICS)。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06272942
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/NCT06272942
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:急性呼吸窘迫综合征(ARDS)、重症监护后综合征(PICS)。这是一项观察性研究,研究对象是已收集的因急性呼吸窘迫综合征(ARDS)入住重症监护室(ICU)的患者数据。ARDS是一种危及生命的疾病,肺部积液导致呼吸困难。在观察性研究中,仅进行观察,参与者不接受任何建议,其医疗护理也不发生任何改变。因ARDS等严重疾病入住ICU的患者,在ICU住院期间及之后往往会出现新的健康问题。这些可能包括身体、精神和/或情绪障碍的健康问题,被称为重症监护后综合征(PICS)。及早识别这些新的健康问题,可以通过及时的治疗和护理帮助患者。在本研究中,研究人员希望识别美国(US)ARDS患者入住ICU后出现的任何健康问题。为此,研究人员将收集ARDS患者在入住ICU前后1年内的健康问题、治疗、药物和就医信息。
然后,他们将查看这些健康问题是否属于被描述为重症监护后综合征(PICS)的范畴。此外,他们将测量入住后一年的医疗相关费用,并与入住前一年的费用进行比较。研究人员还将把这些信息与未需入住ICU的肺炎患者的数据进行对比。这将有助于他们识别因入住ICU而引发的任何新健康问题。数据将来源于2016年至2022年间存储在Optum Clinformatics Data Mart数据库中的参与者医疗索赔信息。索赔数据仅针对美国境内的人员收集。研究人员将收集因ARDS入住ICU的参与者在入住前后最多1年内的数据。
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。




