慢性阻塞性肺疾病双联治疗疾病负担研究
研究通过健康计划招募策略收集受试者的病史、当前治疗、吸烟史、症状及严重程度(mMRC 和 CAT 量表)以及人口学和社会人口学特征,计划纳入 2700 名受试者

基本信息
资源简介
慢性阻塞性肺疾病双联治疗疾病负担研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)接受单吸入器双联治疗(Fluticasone/Salmeterol 或 Umeclidinium/Vilanterol)患者的疾病负担。研究通过健康计划招募策略收集受试者的病史、当前治疗、吸烟史、症状及严重程度(mMRC 和 CAT 量表)以及人口学和社会人口学特征,计划纳入 2700 名受试者。数据可用于评估患者报告的症状负担与基于理赔的经济负担,支持 GOLD B 类推荐相关分析(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。本研究的主要目的是评估接受单吸入器双联治疗 Fluticasone/Salmeterol(FLUT/SAL;Advair)或 Umeclidinium/Vilanterol(UMEC/VI;Anoro)的受试者中 COPD 的疾病负担,同时使用患者报告的症状负担和基于理赔的经济负担,以支持全球慢性肺病倡议(GOLD)B 类推荐。研究将采用健康计划招募策略,受试者将通过 Optum 的健康计划招募策略招募,以收集与受试者病情史、当前治疗、吸烟史、症状及症状严重程度(改良医学研究委员会呼吸困难量表 [mMRC] 和 COPD 评估测试 [CAT])以及人口学和社会人口学特征相关的信息。计划共纳入 2700 名受试者。
【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/NCT03543176
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/NCT03543176
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
疾病:慢性阻塞性肺疾病。本研究的主要目的是评估接受单吸入器双联疗法治疗(氟替卡松/沙美特罗[FLUT/SAL;Advair]或乌美溴铵/维兰特罗[UMEC/VI;Anoro])的受试者中慢性阻塞性肺疾病的疾病负担,包括患者报告的症状负担和基于理赔数据的经济负担,以支持慢性肺病全球倡议(GOLD)B类推荐。本研究将采用健康计划招募策略,受试者将通过Optum的健康计划招募策略进行招募,以收集与受试者病情史、当前治疗、吸烟史、症状及症状严重程度(改良医学研究委员会呼吸困难量表[mMRC]和COPD评估测试[CAT])以及人口学和社会人口学特征相关的信息。计划共纳入2700名受试者,以达到目标可评估样本量n=770名受试者。数据收集完成后,调查结果将与理赔数据合并,涵盖12个月的基线期用于分析。
药房和医疗索赔数据将用于计算全因和COPD相关的医疗保健利用与费用、治疗模式以及基线临床特征。研究持续时间估计为12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。




