面向慢性阻塞性肺病患者的个性化移动应用温度相关健康风险预警与防护建议

数据集获取

源站：https://clinicaltrials.gov/study/NCT07656142

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

条件：慢性阻塞性肺疾病。本研究是一项概念验证研究，采用整群随机对照设计，以医院作为随机化单位。将在北京市选取4家符合条件的医院作为研究现场，每家医院及其在该现场招募的所有符合条件的参与者被视为一个整群。整群将按1：1的比例随机分配至干预组或对照组。除常规COPD照护外，干预组参与者将通过个性化移动应用程序接收基于实时气象数据和个人特征生成的气温相关健康风险预警信息及相应的防护建议。对照组参与者仅接受常规COPD照护，无法使用该移动应用程序。研究包括基线评估和12个月的随访期。研究访视将在基线以及入组后3、6、9和12个月时进行。

基线评估将包括人口学信息、空调使用情况、吸烟与饮酒情况、健康状况、急性加重事件、生活质量、功能能力、症状、心理状态、环境温度感知以及生理生化指标。随访评估将收集急性加重事件、生活质量、功能能力、症状、心理状态、生理生化指标、环境温度感知以及参与者对移动应用程序的使用情况。由于整群设计及移动应用程序干预的性质，研究参与者和收集访视数据的研究人员将不设盲。然而，数据分析人员和终点裁定委员会成员将对随机分组保持盲态。

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。