远程呼吸物理治疗对囊性纤维化患儿6个月后急性加重频率、肺功能及生活质量的效果
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化患儿接受远程呼吸物理治疗的效果评估。研究对象为 6 至 18 岁、在 Dr. Luis Calvo Mackenna Hospital 随访的囊性纤维化儿童,采用定量、前实验、单中心设计及非概率便利抽样

基本信息
资源简介
远程呼吸物理治疗对囊性纤维化患儿6个月后急性加重频率、肺功能及生活质量的效果
该数据集来自 clinicaltrials.gov,聚焦囊性纤维化患儿接受远程呼吸物理治疗的效果评估。研究对象为 6 至 18 岁、在 Dr. Luis Calvo Mackenna Hospital 随访的囊性纤维化儿童,采用定量、前实验、单中心设计及非概率便利抽样。研究关注远程督导能否改善急性加重频率、肺功能和生存质量等关键临床结局。数据可用于分析远程呼吸物理治疗与临床结局的关系,支持呼吸系统疾病管理及儿童慢性病远程干预研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化。本研究评估了通过视频会议平台为 6 至 18 岁囊性纤维化儿童提供的远程呼吸物理治疗的有效性,这些儿童在 Dr. Luis Calvo Mackenna Hospital 接受随访。囊性纤维化是一种慢性呼吸系统疾病,从确诊时起就需要多学科管理,其中呼吸物理治疗是治疗的基石。尽管其重要性显著,但依从性往往较低,尤其是在居家护理中。因此,本研究旨在确定远程督导能否改善急性加重频率、肺功能和生活质量等关键临床结局。该研究采用定量、前实验、单中心设计,并使用非概率便利样本。尽管初始目标样本量为 16,但最终研究人群包括
【主题与分类】
主题标签:Cystic Fibrosis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07088614
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/NCT07088614
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:囊性纤维化。本研究评估了通过视频会议平台为6至18岁囊性纤维化患儿提供远程呼吸物理治疗的有效性,这些患儿在Dr. Luis Calvo Mackenna医院接受随访。囊性纤维化是一种慢性呼吸系统疾病,自确诊之时起就需要多学科管理,其中呼吸物理治疗是治疗的基石。尽管其重要性不言而喻,但依从性往往较低,尤其是在居家护理方面。因此,本研究旨在确定远程督导能否改善关键临床结局,如急性加重频率、肺功能和生活质量。本研究采用定量、前实验、单中心设计,使用非概率便利样本。虽然最初的目标样本量为16例,但最终研究人群包括9例患者,均通过汗液试验确诊并纳入国家囊性纤维化项目。干预措施包括远程呼吸物理治疗课程,每周三次,持续六个月,由物理治疗师通过视频会议进行。
每次课程包括临床评估、气道廓清技术、指导下的吸入药物使用、体育锻炼和一般健康教育。在干预前后对结果进行了测量。主要结果包括呼吸系统急性加重的频率。次要结果为肺功能(通过FEV1和FVC测量)、健康相关生活质量(使用PedsQL™问卷评估)、运动能力(通过六分钟步行试验)、住院天数和抗生素使用、治疗依从性以及不良事件。所有测量均由经过培训的盲法专业人员按照既定临床标准进行。统计分析使用STATA 14.2版进行。评估数据分布以选择适当的检验方法:连续变量采用配对t检验或Wilcoxon检验,
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




