基于云端的CPAP治疗随访

数据集获取

源站：https://clinicaltrials.gov/study/NCT03446560

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：睡眠呼吸暂停综合征。背景：阻塞性睡眠呼吸暂停（OSA）在睡眠期间通过持续气道正压通气（即CPAP）进行治疗。CPAP的启动与随访在瑞典西部地区的四家睡眠诊所（SU / S、SÄS、SkaS、NÄL）进行。患者数量庞大，等待时间长，且长期随访不一致。一种基于治疗数据传输至数据云，实现CPAP治疗远程监测的新技术已被引入。医疗人员能够识别出治疗存在问题的患者。小型研究的数据表明，这种远程医疗解决方案有多项益处（提高治疗能力、降低患者和社区成本，以及为睡眠医学单位节省时间）。目前，该地区的睡眠诊所采用不同的程序来监测CPAP治疗。科学问题：远程医疗监测CPAP治疗是否适合所有患者的随访？远程医疗解决方案的额外成本是否能通过治疗后的更好结果来平衡？

假设：强化远程医疗监测，尤其是在CPAP治疗初期，能够改善参与睡眠中心的CPAP护理。方法：本研究将560名中度至重度睡眠呼吸暂停患者随机分配至不同的CPAP治疗随访程序：A）睡眠诊所当前的常规随访，或B）新的远程医疗解决方案（1：1随机化）。研究的主要结局参数是治疗3个月后的平均CPAP使用情况。次要结局参数包括睡眠呼吸暂停严重程度的减轻、日间嗜睡以及患者相关结局测量（PROM）。目的：本研究旨在描绘远程医疗解决方案在CPAP治疗中的利弊，涉及治疗结果、患者生活质量及睡眠中心的资源利用。

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。