围手术期电子烟使用并发症

该数据集来自 clinicaltrials.gov,聚焦电子烟或电子烟使用者接受全身麻醉期间及之后发生围手术期肺部并发症的情况

Navy Medical Center San DiegoNavy Medical Center San Diego
clinicaltrials
浏览 1
文本预测VapingComplication of Anesthesia
Perioperative Vaping Complications

基本信息

模态
文本
任务类型
预测
创建/更新时间
2026-11-02

资源简介

围手术期电子烟使用并发症

该数据集来自 clinicaltrials.gov,聚焦电子烟或电子烟使用者接受全身麻醉期间及之后发生围手术期肺部并发症的情况。研究关注术后肺不张伴低氧血症需氧疗、气胸、肺炎、支气管痉挛、基础肺病加重、ARDS 及急性呼吸衰竭等并发症,并考察 PACU 停留延长、住院时间延长和 ICU 入住率等住院经过。次要目标为探究术前电子烟戒断时间线与围手术期肺部并发症发生的关系,可用于围手术期呼吸风险预测研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Vaping,Complication of Anesthesia。本研究的主要目标是确定吸电子烟或使用电子烟的患者在全身麻醉期间及之后发生围手术期肺部并发症的比率。关注的并发症将包括术后肺不张伴低氧血症需氧疗、气胸、肺炎、支气管痉挛、需支气管扩张剂治疗的支气管痉挛、基础肺病加重、肺炎、ARDS 和急性呼吸衰竭。住院经过,包括 PACU 停留延长、住院患者住院时间延长以及 ICU 入住率,也将被调查。次要目标将是进一步调查并纳入术前电子烟戒断时间线与 PPCs 发生之间的关系,这在文献中同样报告不足。

【主题与分类】

主题标签:Vaping、Complication of Anesthesia。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/NCT05912023

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT05912023

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:电子烟使用、麻醉并发症。我们研究的主要目标是确定吸电子烟或使用电子烟的患者在全身麻醉期间及之后发生围手术期肺部并发症的比率。关注的并发症将包括术后肺不张伴低氧血症需氧疗、气胸、肺炎、支气管痉挛、需支气管扩张剂治疗的支气管痉挛、基础肺部疾病加重、肺炎、ARDS和急性呼吸衰竭。还将调查住院过程,包括PACU停留时间延长、住院患者住院时间延长以及ICU入住率。次要目标是进一步调查并纳入术前戒吸电子烟时间线与PPCs发生之间的关系,这在文献中同样报道不足。

此外,该研究将评估麻醉提供者在术前评估中筛查电子烟或蒸汽烟使用情况的有效性,因为在术前环境中“尚不清楚麻醉医师和外科医生是否会常规明确询问患者使用电子烟的情况”。这种对电子烟使用缺乏代表性的筛查进一步阻碍了对电子烟使用、戒烟与术后肺部并发症之间关系的理解。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。