Digihaler在慢性阻塞性肺疾病中的应用
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者使用含传感器的albuterol sulfate电子多剂量干粉吸入器(ProAir® Digihaler®)的纵向研究数据

基本信息
资源简介
Digihaler在慢性阻塞性肺疾病中的应用
该数据集来自clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)患者使用含传感器的albuterol sulfate电子多剂量干粉吸入器(ProAir® Digihaler®)的纵向研究数据。数据覆盖患者吸入器使用指标的正常变异,包括PIF、吸入体积和吸入次数,由配套应用对PIF进行分类以提示潜在的吸入技术错误。数据可用于建立COPD人群Digihaler指标的基础数据,支持吸入技术评估与COPD急性加重风险相关研究(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。硫酸沙丁胺醇电子多剂量干粉吸入器(Albuterol eMDPI)数字系统(DS)(ProAir® Digihaler®)是首个也是唯一一个获得美国食品药品监督管理局(FDA)批准的、带有内置传感器以检测和记录吸入器使用情况的吸入急救药物。该吸入器设备测量PIF,应用程序将PIF分组为不同类别,有助于突出潜在的患者吸入器技术错误。本研究将在COPD患者中部署该产品,以在COPD急性加重风险较高的COPD人群中建立关于Digihaler指标的基础数据。从两个站点[北卡罗来纳大学(UNC)和Wake Forest]招募的COPD成人受试者将参与一项纵向研究,以收集关于Digihaler指标(PIF、吸入体积、吸入次数)正常变异的数据,每日s
【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/NCT05241288
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/NCT05241288
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
条件:慢性阻塞性肺疾病。硫酸沙丁胺醇电子多剂量干粉吸入器(Albuterol eMDPI)数字系统(DS)(ProAir® Digihaler®)是首个也是唯一一个获得美国食品药品监督管理局(FDA)批准、内置传感器以检测并记录吸入器使用情况的吸入急救药物。该吸入器设备可测量PIF,应用程序将PIF分组归类,有助于突出显示患者可能存在的吸入器使用技术错误。本研究将在COPD患者中部署该产品,以建立COPD人群(COPD急性加重风险较高)中Digihaler指标的基础数据。
从两个站点[北卡罗来纳大学(UNC)和维克森林大学]招募的患有COPD的成年受试者将参与一项纵向研究,以收集以下数据:Digihaler指标(PIF、吸入量、吸入次数)的正常变异情况、每日自我评估“您感觉如何?”(以Likert量表提供回答),以及在具有AECOPD病史的稳定COPD人群中由Digihaler指标算法触发的数字自动化问卷(DAQ)的回答,从而评估Digihaler指标与每日自我评估及DAQ回答的相关性、自我报告的短效β受体激动剂(SABA)使用及症状与实际使用及症状的相关性,以及偶发AECOPD前后吸入器参数和SABA使用的变化。
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。




