非药物咳嗽控制疗法
源站描述提出了两个研究问题与假设:一是该疗法治疗 ILD 患者慢性咳嗽是否可行且可接受,二是其是否比单纯肺康复(PR)更有效,预期在 HRQOL 等方面出现超过最小临床重要差异的改善

基本信息
资源简介
非药物咳嗽控制疗法
该数据集来自 clinicaltrials.gov,主题为非药物咳嗽控制疗法,涉及 Cough、ILD、Pulmonary Disease、Pulmonary Fibrosis 等呼吸系统疾病。源站描述提出了两个研究问题与假设:一是该疗法治疗 ILD 患者慢性咳嗽是否可行且可接受,二是其是否比单纯肺康复(PR)更有效,预期在 HRQOL 等方面出现超过最小临床重要差异的改善。数据可用于评估该干预的可行性、接受度及相对疗效,支持慢性咳嗽与 ILD 相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:Cough、ILD、Pulmonary Disease、Pulmonary Fibrosis。研究问题与假设 i)非药物咳嗽控制疗法治疗 ILD 患者慢性咳嗽是否可行?假设:鉴于既往非药物干预在难治性咳嗽患者中的结果,我们预测该干预在 ILD 患者中可行且接受度良好。ii)非药物咳嗽控制疗法治疗 ILD 患者慢性咳嗽是否比单纯肺康复(PR)更有效?假设:鉴于既往非药物干预在难治性咳嗽患者中的结果,我们预测接受非药物干预的参与者所观察到的改善将超过仅接受 PR 者。预期在 HRQOL(超过最小临床重要差异)、int
【主题与分类】
主题标签:Cough、ILD、Pulmonary Disease、Pulmonary Fibrosis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04767074
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/NCT04767074
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:咳嗽、间质性肺病、肺部疾病、肺纤维化。研究问题与假设 i)非药物性咳嗽控制疗法治疗间质性肺病患者慢性咳嗽是否可行?假设:鉴于先前针对难治性咳嗽患者的非药物干预结果,我们预测该干预措施在间质性肺病患者中将是可行且易于接受的。ii)非药物性咳嗽控制疗法在治疗间质性肺病患者慢性咳嗽方面是否比单纯肺康复(PR)更有效?假设:鉴于先前针对难治性咳嗽患者的非药物干预结果,我们预测接受非药物干预的参与者所观察到的改善将超过仅接受肺康复的参与者。预期在健康相关生活质量(HRQOL)(超过最小临床重要差异)、咳嗽相关感觉强度和疲劳症状方面有所改善。研究设计 拟议的研究是一项可行性前后干预研究。研究详情:患有间质性肺病和慢性咳嗽的成年人将被纳入本研究。
潜在合格患者将从西园医疗中心和圣约瑟夫医疗中心的门诊肺康复项目中招募。由于西园医疗中心和圣约瑟夫医疗中心的门诊肺康复项目将部分转为线上会议,研究团队与患者之间的互动将通过电话或在线方式完成。本研究将使用Zoom Healthcare Plan在线平台进行,该平台在西园医疗中心可用,并用于远程康复项目。参与者将被纳入一个由有氧运动和力量训练、疾病特异性教育和自我管理组成的肺康复项目,作为其常规护理的一部分。在肺康复终止前两周,参与者将开始非药物咳嗽控制治疗,遵循Chamberlain同事(2017)提出的干预方案。P
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




