发热门诊急性呼吸道感染队列

该数据集来自clinicaltrials.gov,为一项前瞻性观察性队列研究,聚焦发热门诊就诊的急性呼吸道感染患者。覆盖急性呼吸道感染、发热性疾病、社区获得性肺炎、病毒性呼吸道感染和流感样疾病

Fudan UniversityFudan University
clinicaltrials
浏览 3
其他预测Acute Respiratory InfectionsFebrile IllnessesCommunity-acquired PneumoniaViral Respiratory Tract InfectionsInfluenza-like Illness
The Fever Clinic Acute Respiratory Cohort

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-22

资源简介

发热门诊急性呼吸道感染队列

该数据集来自clinicaltrials.gov,为一项前瞻性观察性队列研究,聚焦发热门诊就诊的急性呼吸道感染患者。覆盖急性呼吸道感染、发热性疾病、社区获得性肺炎、病毒性呼吸道感染和流感样疾病。入组时收集临床症状、实验室参数和胸部影像数据,并进行纵向随访以评估疾病进展、并发症和长期结局。患者均接受标准治疗,无干预措施。该真实世界数据可用于研究急性呼吸道感染的自然病程,并识别与临床结局相关的因素(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):疾病:急性呼吸道感染、发热性疾病、社区获得性肺炎、病毒性呼吸道感染、流感样疾病。这项前瞻性队列研究旨在描述就诊于发热门诊的急性呼吸道感染患者的自然病史和结局。入组时,将收集患者的临床症状、实验室参数和胸部影像数据。随后将进行纵向随访,以评估疾病进展、并发症和长期结局。作为一项观察性研究,不实施任何干预;所有患者均接受由其主治医师确定的标准治疗管理。这种真实世界研究设计允许评估急性呼吸道感染的自然进展,并识别与临床结局相关的因素。

【主题与分类】

主题标签:Acute Respiratory Infections、Febrile Illnesses、Community-acquired Pneumonia、Viral Respiratory Tract Infections、Influenza-like Illness。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/NCT07278700

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

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/NCT07278700

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

研究条件:急性呼吸道感染、发热性疾病、社区获得性肺炎、病毒性呼吸道感染、流感样疾病。本前瞻性队列研究旨在描述就诊于发热门诊的急性呼吸道感染患者的自然病史和结局。入组后,将收集患者的临床症状、实验室参数和胸部影像学数据。随后将进行纵向随访,以评估疾病进展、并发症和长期结局。作为一项观察性研究,不实施任何干预措施;所有患者均接受由其主治医师确定的标准治疗管理。这种真实世界研究设计有助于评估急性呼吸道感染的自然进展过程,并识别与临床结局相关的因素。

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。

获取专属数据定制方案