COPD患者启动Breztri与多吸入器三联疗法的死亡结局及心肺事件比较效果研究
该数据集源自clinicaltrials.gov，聚焦慢性阻塞性肺疾病（COPD）患者。研究基于美国Optum去标识化Clinformatics® Data Mart Database的行政索赔数据，开展回顾性比较效果研究，纳入年龄≥40岁的COPD患者，比较启动Breztri（BGF）与多吸入器三
基本信息
资源简介
COPD患者启动Breztri与多吸入器三联疗法的死亡结局及心肺事件比较效果研究
该数据集源自clinicaltrials.gov，聚焦慢性阻塞性肺疾病（COPD）患者。研究基于美国Optum去标识化Clinformatics® Data Mart Database的行政索赔数据，开展回顾性比较效果研究，纳入年龄≥40岁的COPD患者，比较启动Breztri（BGF）与多吸入器三联疗法（MITT）后的全因死亡时间及首次严重心肺事件时间。数据可用于评估不同三联疗法在真实世界中的死亡与心肺事件风险差异，支持COPD治疗决策与预后分析（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：慢性阻塞性肺疾病。慢性阻塞性肺疾病（COPD）患者死亡和心肺事件风险升高，尤其是在急性加重后。虽然单吸入器三联疗法（SITT），如布地奈德/格隆溴铵/富马酸福莫特罗（BGF），与双支气管扩张剂治疗相比可降低死亡和心肺事件风险，但比较SITT与多吸入器三联疗法（MITT）结局的证据有限。SKOPOS-MAZI是一项回顾性比较效果研究，纳入年龄≥40岁的COPD患者，使用美国Optum去标识化Clinformatics® Data Mart Database的行政索赔数据。主要和次要终点分别为启动BGF或MITT后至全因死亡（ACM）时间和至首次严重心肺事件时间（识别期：O
【主题与分类】
主题标签：Pulmonary Disease, Chronic Obstructive。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06744374
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/NCT06744374
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：慢性阻塞性肺疾病。慢性阻塞性肺疾病（COPD）患者死亡和心肺事件风险升高，尤其是在急性加重后。虽然单吸入器三联疗法（SITT），如布地奈德/格隆溴铵/富马酸福莫特罗（BGF），与双支气管扩张剂疗法相比可降低死亡率和心肺事件风险，但比较SITT与多吸入器三联疗法（MITT）相关结局的证据有限。SKOPOS-MAZI是一项回顾性比较有效性研究，研究对象为年龄≥40岁的COPD患者，使用Optum去标识化Clinformatics® Data Mart数据库的美国行政索赔数据。主要和次要终点分别为开始BGF或MITT后至全因死亡（ACM）的时间和至首次严重心肺事件的时间（识别期：2020年10月1日至2023年6月30日；索引日期：首次处方配药）。
使用Cox比例风险模型评估结局的相对风险，直至发生删失事件，并采用逆倾向治疗加权处理基线特征中的组间不平衡（标准化均差>0.1）。
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。
