COPD三联疗法有效性研究
该数据集来自clinicaltrials.gov，聚焦慢性阻塞性肺疾病（COPD）的维持治疗。源站描述指出，研究旨在评估LABA-LAMA-ICS三联疗法对比LABA-LAMA二联疗法对COPD急性加重风险的有效性，以及对社区获得性肺炎发生率的安全性
基本信息
资源简介
COPD三联疗法有效性研究
该数据集英文名为 Effectiveness of Triple Therapy in COPD，来源于 clinicaltrials.gov，聚焦慢性阻塞性肺疾病（COPD）的维持治疗研究。源站描述显示，该研究旨在评估长效β2受体激动剂-长效毒蕈碱拮抗剂-吸入性糖皮质激素（LABA-LAMA-ICS）三联疗法与LABA-LAMA二联疗法相比，对COPD急性加重风险的有效性，以及对社区获得性肺炎发生率的安全性。数据集主题标签为 Pulmonary Disease, Chronic Obstructive，本站将其归入呼吸系统疾病 / 肺炎分类。整体而言，该数据集围绕COPD维持治疗方案的疗效与安全性对比展开，为相关临床研究与分析提供数据基础。
【数据集背景】
慢性阻塞性肺疾病（COPD）是一种常见的呼吸系统疾病，其维持治疗方案的选择直接影响患者的急性加重风险与安全性结局。该数据集对应的研究关注三联疗法（LABA-LAMA-ICS）与二联疗法（LABA-LAMA）在COPD维持治疗中的比较，核心问题包括两方面：一是评估三联疗法相对于二联疗法对COPD急性加重风险的有效性，二是评估其在社区获得性肺炎发生率方面的安全性。这一背景使该数据集处于呼吸系统疾病与肺炎交叉的关注范围内，也与本站将其归入“呼吸系统疾病 / 肺炎”分类相吻合。
【数据内容】
该数据集的主题标签为 Pulmonary Disease, Chronic Obstructive，源站描述中列出的研究条件同样为 Pulmonary Disease, Chronic Obstructive。研究内容围绕COPD维持治疗展开，涉及LABA-LAMA-ICS三联组合与LABA-LAMA二联组合的对比，关注的结局指标包括COPD急性加重风险以及社区获得性肺炎的发生率。除上述描述外，源站未提供具体的数据字段、变量结构、样本规模或记录数量等信息。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提供了研究的条件与目的说明，即评估COPD维持治疗中LABA-LAMA-ICS组合与LABA-LAMA组合对急性加重风险的有效性和对社区获得性肺炎发生率的安全性。关于具体的采集方法、时间范围、更新频率等细节，源站未提供。
【适用场景】
基于源站描述，该数据集适用于围绕COPD维持治疗方案比较的分析场景，例如关注三联疗法与二联疗法在急性加重风险方面的差异，或关注不同治疗方案下社区获得性肺炎发生率的安全性评价。其主题标签与分类也使其可用于呼吸系统疾病及肺炎相关主题的数据整理与检索。其他具体应用场景源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或数据处理说明。
【质量与限制】
该数据集的信息主要依据源站描述，涵盖研究条件、治疗组合与结局关注点。关于数据质量指标、完整性、偏倚控制及使用限制等，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/NCT03724877
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：慢性阻塞性肺疾病。评估长效β2受体激动剂-长效毒蕈碱拮抗剂-吸入性糖皮质激素（LABA-LAMA-ICS）联合方案与LABA-LAMA联合方案维持治疗慢性阻塞性肺疾病（COPD）对COPD急性加重风险的有效性，以及对社区获得性肺炎发生率的安全性。
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。
