APS 表型研究
APS 表型研究是一项面向住院成年患者的临床研究数据集，覆盖 ARDS、脓毒症和肺炎三类疾病。数据采集对象为 18 岁及以上、已患或存在 ARDS、脓毒症或肺炎风险的住院患者，内容包括临床数据、问卷以及血液、尿液、粪便等样本，接受机械通气的参与者还提供呼吸道样本，采集贯穿住院期间及出院后
基本信息
资源简介
APS 表型研究
The APS Phenotyping Study 是一项聚焦呼吸系统疾病与肺炎领域的临床研究数据集，来源于 clinicaltrials.gov。该研究面向住院成年患者，覆盖急性呼吸窘迫综合征（ARDS）、脓毒症和肺炎三类疾病。研究对象为 18 岁及以上、已患或存在上述疾病风险的住院患者。研究过程中将采集临床数据、问卷信息以及血液、尿液、粪便等生物样本；接受机械通气的参与者还会提供呼吸道样本。数据与样本的采集贯穿住院期间及出院后。研究旨在理解 ARDS、肺炎和脓毒症的潜在机制，目标包括将患者按生物学基础划分为不同表型类别，并为未来治疗性试验识别新的靶点。
【数据集背景】
该数据集对应一项名为 The APS Phenotyping Study 的临床研究，所属分类为呼吸系统疾病 / 肺炎，来源站为 clinicaltrials.gov。研究关注的疾病条件包括 ARDS、脓毒症和肺炎。研究的核心目标是理解 ARDS、肺炎和脓毒症的潜在机制，并在此基础上开展表型分析，具体目标包括将 ARDS、肺炎和脓毒症患者分类为基于生物学的表型类别，以及识别未来治疗性试验的新靶点。
【数据内容】
研究采集的数据与样本类型包括：临床数据、问卷信息，以及血液、尿液和粪便样本。对于接受机械通气的参与者，还会采集其呼吸道样本。数据与样本的采集时间覆盖住院期间及出院后两个阶段。数据集的主题标签为 ARDS、Sepsis、Pneumonia。
【采集与来源】
采集对象为住院成年患者，入组条件为年龄 18 岁及以上，且已患或存在发生 ARDS、脓毒症或肺炎的风险。参与研究的内容包括采集临床数据、完成问卷，以及提供血液、尿液、粪便等样本；接受机械通气的参与者还需提供呼吸道样本。数据与样本的采集贯穿住院期间及出院后。数据来源站为 clinicaltrials.gov。
【适用场景】
该数据集适用于围绕 ARDS、脓毒症和肺炎的机制研究与表型分类研究。其设计目标包括将上述疾病患者划分为基于生物学的表型类别，并识别未来治疗性试验的新靶点。因此，该数据集可支撑与疾病机制理解、患者表型划分以及治疗靶点发现相关的研究方向。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/NCT06521502
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：ARDS、脓毒症、肺炎。APS表型研究将招募年龄≥18岁、患有或面临ARDS、脓毒症或肺炎风险的住院成年患者。参与本研究将涉及收集临床数据、填写问卷以及采集血液、尿液和粪便等样本。接受机械通气的参与者还将提供呼吸道样本。数据和样本将在住院期间及出院后收集。将开展分析以了解ARDS、肺炎和脓毒症的潜在机制，目标包括将ARDS、肺炎和脓毒症患者按生物学基础的表型类别进行分类，并为未来的治疗试验确定新的靶点。
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。
