一氧化氮吸入治疗轻中度COVID-19
该数据集来自 clinicaltrials.gov,主题为一氧化氮吸入治疗轻中度 COVID-19,归入呼吸系统疾病与肺炎分类

基本信息
资源简介
一氧化氮吸入治疗轻中度COVID-19
该数据集来自 clinicaltrials.gov,主题为一氧化氮吸入治疗轻中度 COVID-19,归入呼吸系统疾病与肺炎分类。源站描述指出,当时尚无针对 COVID-19 的靶向治疗,抗病毒联合辅助治疗正在研究中;感染临床谱从轻度上呼吸道感染到重症肺炎和死亡不等,症状出现至呼吸困难约 5 至 10 天,至重症呼吸窘迫综合征约 10 至 14 天,全球 15% 至 18% 患者需机械通气。数据可用于了解该试验背景与疾病进展特征(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:冠状病毒感染、病毒性肺炎、急性呼吸窘迫综合征。迄今为止,尚未确定针对当前 COVID-19 疫情的靶向治疗方法。抗病毒联合辅助治疗目前正在研究中。感染的临床谱很广,从轻度上呼吸道感染体征到重症肺炎和死亡不等。在病情进展的患者中,从症状出现到发生呼吸困难的时间据报道为 5 至 10 天,从症状出现到发生严重呼吸窘迫综合征为 10 至 14 天。在全球范围内,尽管在疾病最早阶段使用了无创通气支持,仍有 15% 至 18% 的患者恶化至需要机械通气。进展为终末期疾病的可能性不可预测,其中大多数患者死于
【主题与分类】
主题标签:Coronavirus Infections、Pneumonia, Viral、Acute Respiratory Distress Syndrome。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/NCT04305457
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/NCT04305457
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
疾病条件:冠状病毒感染、病毒性肺炎、急性呼吸窘迫综合征。迄今为止,针对持续爆发的COVID-19,尚未确定针对性的治疗方法。目前正在研究抗病毒药物联合辅助疗法。该感染的临床谱广泛,从轻微的上呼吸道感染症状到重症肺炎乃至死亡不等。在病情进展的患者中,从症状出现到发展成呼吸困难的时间报告为5至10天,而发展到严重呼吸窘迫综合征的时间为10至14天。全球范围内,尽管在疾病早期阶段使用了无创通气支持,仍有15%至18%的患者病情恶化至需要机械通气。进展至终末期疾病的可能性难以预测,其中大多数患者死于多器官功能衰竭。对于轻至中度疾病且能自主呼吸的患者,防止病情进展将意味着降低发病率和死亡率,并减少对有限医疗资源的使用。
2004年,在严重急性呼吸综合征冠状病毒(SARS-CoV)暴发期间,一项初步研究表明,连续3天吸入低剂量(最高30 ppm)的一氧化氮(NO)能够缩短呼吸机支持的时间。同时,一氧化氮供体化合物S-亚硝基-N-乙酰青霉胺在SARS-CoV感染上皮细胞的体外模型中提高了存活率。基于两种病毒之间的基因相似性,可以推测NO对SARS-CoV-2具有类似效果。虽然建议进行进一步的体外测试,但我们提出了一项随机临床试验,旨在检验早期给予吸入NO在预防SARS-CoV-2相关疾病进展方面的有效性。
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。




