COVID-19肺炎无体外循环的超保护性通气
该数据集来自clinicaltrials.gov,主题为COVID-19肺炎合并急性呼吸窘迫综合征(ARDS)患者的超保护性通气策略,且不使用体外循环

基本信息
资源简介
COVID-19肺炎无体外循环的超保护性通气
该数据集来自clinicaltrials.gov,主题为COVID-19肺炎合并急性呼吸窘迫综合征(ARDS)患者的超保护性通气策略,且不使用体外循环。源站描述指出,此类患者死亡率在初步报告中高达50-60%,机械通气时间可能超过非COVID-19 ARDS患者,提示其更易发生呼吸机相关肺损伤。现有治疗以保护性机械通气为主,即低潮气量6 ml/kg预测体重并控制平台压低于30 cm H2O,进一步降低潮气量可能减少肺泡应变与驱动压。数据可用于相关临床预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:急性呼吸窘迫综合征、COVID19、Sars-CoV2、肺炎。初步报告中,合并急性呼吸窘迫综合征(ARDS)的COVID-19肺炎死亡率极高,达50-60%。这些患者的机械通气持续时间似乎超过非COVID-19 ARDS患者的标准机械通气持续时间,提示COVID-19患者可能特别容易发生呼吸机相关肺损伤。迄今为止,COVID-19 ARDS患者的治疗主要是支持性的保护性机械通气(低潮气量(VT)通气,即6 ml/kg预测体重(PBW),并将平台压控制在30 cm H2O以下)。在ARDS中,将VT降至6 ml/kg PBW以下可能减少肺泡应变、驱动压,从而减少呼吸机相关肺损伤。研究者最近进行了一项多中心
【主题与分类】
主题标签:Acute Respiratory Distress Syndrome、COVID19、Sars-CoV2、Pneumonia。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/NCT04349618
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/NCT04349618
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、COVID19、Sars-CoV2、肺炎。初步报告显示,伴有急性呼吸窘迫综合征(ARDS)的COVID-19肺炎死亡率极高,达到50-60%。这些患者的机械通气持续时间似乎超过了非COVID-19 ARDS患者的标准机械通气时长,提示COVID-19患者可能特别容易发生呼吸机相关性肺损伤。迄今为止,COVID-19 ARDS患者的治疗主要是支持性的,采用保护性机械通气(低潮气量(VT)通气,即按预测体重(PBW)6 ml/kg,并将平台压控制在30 cm H2O以下)。在ARDS中,将VT降至6 ml/kg PBW以下可能减少肺泡应变、驱动压,从而减轻呼吸机相关性肺损伤。研究人员最近对34名中度至重度ARDS患者进行了一项多中心初步研究。
本研究表明,约2/3的患者可采用无体外循环的超保护性通气策略,即超低潮气量(≤4.2 ml/kg预测体重),其中位驱动压降低4 cmH2O,但代价是约1/3的患者出现短暂性严重酸中毒。研究者假设,与保护性通气相比,无体外循环的超保护性通气可降低90天死亡率并增加60天无机械通气天数(VFD)。
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。




