烧伤患者双相气道正压通气与流量控制通气对比研究
该数据集来自 clinicaltrials.gov,围绕烧伤患者(伴或不伴吸入性损伤)的机械通气策略,比较双相气道正压通气与流量控制通气

基本信息
资源简介
烧伤患者双相气道正压通气与流量控制通气对比研究
该数据集来自 clinicaltrials.gov,围绕烧伤患者(伴或不伴吸入性损伤)的机械通气策略,比较双相气道正压通气与流量控制通气。源站描述指出,有创通气可导致呼吸机相关性肺损伤,高机械功率与肺损伤及肺部并发症相关,而流量控制通气(FCV)在动物模型和围术期临床试验中可较常规压力控制通气降低机械功率。烧伤患者因高炎症状态及重症治疗,肺炎、急性呼吸窘迫综合征等肺部并发症风险高。数据可用于通气模式与肺损伤风险相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:烧伤、吸入性损伤、肺部并发症、呼吸机相关性肺损伤(VILI)。有创通气可导致呼吸机相关性肺损伤。越来越多的证据表明,(长时间)控制通气期间的高机械功率与呼吸机相关性肺损伤和肺部并发症相关。大型动物模型和围术期临床试验数据表明,与常规压力控制通气(PCV)相比,个体化应用流量控制通气(FCV)模式可降低机械功率。伴或不伴吸入性损伤的烧伤患者,由于高炎症状态以及烧伤后的重症监护治疗,发生肺炎或急性呼吸窘迫综合征等肺部并发症的风险很高。如果这些患者需要机械通气,这可能加重
【主题与分类】
主题标签:Burn Injury、Inhalational Injury、Pulmonary Complications、Ventilator-induced Lung Injury (VILI)。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/NCT07041957
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/NCT07041957
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:烧伤、吸入性损伤、肺部并发症、呼吸机相关性肺损伤(VILI)。有创通气可导致呼吸机相关性肺损伤。越来越多的证据表明,(长时间)控制通气期间的高机械功率与呼吸机相关性肺损伤及肺部并发症相关。大型动物模型和围手术期临床试验数据表明,与常规压力控制通气(PCV)相比,个体化应用流量控制通气(FCV)模式可降低机械功率。烧伤患者无论是否伴有吸入性损伤,由于过度炎症状态以及烧伤后的重症监护治疗,均处于肺炎或急性呼吸窘迫综合征等肺部并发症的高风险之中。若这些患者需要机械通气,可能会加重肺损伤。通过BIFLOWBURN研究,我们希望验证以下假设:与通过双相气道正压(BIPAP)通气实施的传统PCV相比,个体化应用FCV可降低烧伤患者控制通气期间的机械功率。
BIFLOWBURN是一项单中心、随机、平行组试验,设有两个干预组:* 受控BIPAP通气组(n=12),采用顺应性指导的呼气末正压(PEEP)和驱动压(ΔP),潮气量为6-8 ml/kg预测体重;与* 优化FCV组(n=12)相比,采用顺应性指导的PEEP和顺应性指导的ΔP,导致潮气量较为宽松。组别特异性控制通气模式最多应用70小时。作为主要研究终点,在组别特异性控制通气期间计算机械功率,单位为焦耳每分钟(J/min)。作为次要研究目的,临床相关患者结局作为探索性次要结局进行分析,例如肺功能、通气参数、肺部和肺外并发症的发生率,以及用于评估器官d的不同重症监护评分。
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。




