急性呼吸窘迫综合征
该数据集来自 NICHD Data and Specimen Hub，由 Anil Sapru 于 2022 年发布，聚焦急性呼吸窘迫综合征（ARDS）幸存者的临床与生物学标志物同死亡率、长期结局及新发并发症之间的关系
基本信息
资源简介
急性呼吸窘迫综合征
Acute Respiratory Distress Syndrome
该数据集来自 NICHD Data and Specimen Hub，由 Anil Sapru 于 2022 年发布，聚焦急性呼吸窘迫综合征（ARDS）幸存者的临床与生物学标志物同死亡率、长期结局及新发并发症之间的关系。研究为前瞻性纵向观察性队列，旨在刻画预后与预测性生物标志物，并将其与临床相关结局关联，以支持针对特定分子表型或标志物模式的精准医学策略。数据可用于 ARDS 预后预测与长期功能状态、生活质量等结局分析（来源 DOI 解析，Use of data from DASH is subject to the NICHD DASH Policy and the terms of the Data Use Agreement 许。
【数据集背景】
源站首次发布：2022。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究考察了急性呼吸窘迫综合征（ARDS）幸存者的临床与生物学标志物同死亡率、长期结局及新发并发症之间的关系。这项前瞻性纵向观察性队列研究试图刻画预后性和预测性生物标志物，并将这些标志物与临床相关结局的发生建立联系。所定义的分子表型及所获得的知识旨在推动精准医学策略的发展，将治疗药物靶向具有特定分子表型或生物标志物模式的患者。研究发现，ARDS 患儿面临健康相关生活质量和功能状态恶化的风险，这种恶化可在患病后持续长达九个月。
【主题与分类】
主题标签：Pediatric Intensive Care Unit (PICU)、Patient-reported Outcome Measures、Functional Status、Survivors、Quality of Life、Spinal Cord Injury (SCI)、Pediatric Injury、Infant Mortality、Infant Care and Infant Health、Child Health。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://dash.nichd.nih.gov/study/417561
使用许可：Use of data from DASH is subject to the NICHD DASH Policy and the terms of the Data Use Agreement。
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://doi.org/10.57982/b1cw-4y52
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
本研究考察了临床与生物学标志物与急性呼吸窘迫综合征(ARDS)幸存者死亡率、长期结局及新发并发症之间的关系。这项前瞻性纵向观察性队列研究试图刻画预后性和预测性生物标志物的特征，并将这些生物标志物与临床相关结局的发生建立联系。所定义的分子表型和所获得的知识旨在推动精准医学策略的发展，将治疗药物靶向应用于具有特定分子表型或生物标志物模式的患者。研究发现，ARDS患儿面临健康相关生活质量和功能状态恶化的风险，且这种恶化可在患病后持续长达九个月。
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。
