高流量鼻氧疗COVID-19患者俯卧位研究
该数据集来自clinicaltrials.gov,聚焦于COVID-19相关急性呼吸窘迫综合征(ARDS)患者接受经鼻高流量氧疗时的俯卧位治疗

基本信息
资源简介
高流量鼻氧疗COVID-19患者俯卧位研究
该数据集来自clinicaltrials.gov,聚焦于COVID-19相关急性呼吸窘迫综合征(ARDS)患者接受经鼻高流量氧疗时的俯卧位治疗。源站描述指出,俯卧位可显著降低PaO2/FiO2低于150 mmHg的机械通气ARDS患者死亡率,而经鼻高流量氧疗能减少最严重患者(PaO2/FiO2低于200 mmHg)的气管插管需求与死亡率。该研究在20例以病毒性肺炎为主的患者中评估了俯卧位联合经鼻高流量氧疗的可行性。数据可用于分析俯卧位对呼吸支持结局的预测价值(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、COVID-19。急性呼吸窘迫综合征(ARDS)导致高死亡率,尤其是在COVID-19疾病背景下。对于通过气管插管进行有创机械通气且PaO2/FiO2比(动脉血氧分压与吸入氧分数之比)低于150 mmHg的ARDS患者,俯卧位显著降低了死亡率。此外,经鼻高流量氧疗作为一种无创呼吸支持和氧合技术,减少了气管插管需求,并降低了患有急性低氧性呼吸衰竭的最严重患者(PaO2/FiO2比低于200 mmHg)的死亡率。在接受经鼻高流量氧疗的ARDS患者中评估了俯卧位,涉及20例以病毒性肺炎为主的患者。发现俯卧位可行且与
【主题与分类】
主题标签:Acute Respiratory Distress Syndrome、COVID-19。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/NCT04358939
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/NCT04358939
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
病症:急性呼吸窘迫综合征、COVID-19。急性呼吸窘迫综合征(ARDS)导致高死亡率,尤其是在COVID-19疾病背景下。对于通过气管插管进行有创机械通气且PaO2/FiO2比值(动脉血氧分压与吸入氧分数之比)低于150 mmHg的ARDS患者,俯卧位显著降低了死亡率。此外,经鼻高流量氧疗作为一种无创呼吸支持和氧合技术,减少了气管插管的需求,并降低了患有急性低氧性呼吸衰竭的最严重患者(PaO2/FiO2比值低于200 mmHg)的死亡率。对接受经鼻高流量氧疗的ARDS患者进行俯卧位治疗在20例以病毒性肺炎为主的患者中进行了评估。发现俯卧位是可行的,并且与PaO2/FiO2比值增加相关。来自COVID-19相关ARDS患者的初步数据似乎显示,俯卧位对插管患者在氧合改善方面有显著效果,而经鼻高流量氧疗在非插管患者中似乎也有效。
例如,在中国湖北省武汉市的首批队列中描述的近一半重症监护病房患者接受了经鼻高流量氧疗。值得注意的是,在继发受影响程度较轻的江苏省,经鼻高流量氧疗联合俯卧位通气已成功纳入护理方案。研究者假设,经鼻高流量氧疗与俯卧位通气的联合应用能显著改善COVID-19肺炎患者的预后,通过减少插管需求及相关的治疗措施如镇静和肌松,从而在稀缺的重症监护资源利用方面带来个体与集体的双重益处。
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。




