嗜酸性粒细胞驱动的皮质类固醇治疗用于COPD急性加重住院患者
该数据集来自clinicaltrials.gov,关注因COPD急性加重住院的患者,比较嗜酸性粒细胞增多(住院第1天嗜酸性粒细胞>2%)患者接受皮质类固醇治疗与安慰剂治疗的治疗失败率,同时比较非嗜酸性粒细胞增多患者的治疗失败率,并评估恢复速度、皮质类固醇副作用、症状与急性加重变化、肺功能、氧疗与通气

基本信息
资源简介
嗜酸性粒细胞驱动的皮质类固醇治疗用于COPD急性加重住院患者
该数据集来自clinicaltrials.gov,关注因COPD急性加重住院的患者,比较嗜酸性粒细胞增多(住院第1天嗜酸性粒细胞>2%)患者接受皮质类固醇治疗与安慰剂治疗的治疗失败率,同时比较非嗜酸性粒细胞增多患者的治疗失败率,并评估恢复速度、皮质类固醇副作用、症状与急性加重变化、肺功能、氧疗与通气、患者轨迹与资源使用等疗效和安全性指标。可用于COPD急性加重的个体化激素治疗研究、治疗失败风险分层及临床决策支持(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COPD急性加重。本研究的主要目的是比较一组因COPD急性加重住院的嗜酸性粒细胞增多(住院第1天嗜酸性粒细胞>2%)患者接受皮质类固醇治疗与一组相似患者接受安慰剂治疗之间的治疗失败率。其次,还将比较一组因COPD急性加重住院的非嗜酸性粒细胞增多患者接受皮质类固醇治疗与一组相似患者接受安慰剂治疗之间的治疗失败率。研究组还将就疗效和安全性的其他方面进行比较: 初始住院期间的恢复速度; 皮质类固醇副作用/诱发的合并症; 症状变化和急性加重发作; 肺功能、氧疗使用和通气;* 患者轨迹和资源使用(例如生存、会诊、住院发作)。
【主题与分类】
主题标签:COPD Exacerbation。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/NCT04234360
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/NCT04234360
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:COPD急性加重。本研究的主要目的是比较因COPD急性加重住院的嗜酸性粒细胞增多(住院第1天嗜酸性粒细胞>2%)患者接受皮质类固醇治疗与安慰剂治疗的类似组之间的治疗失败率。其次,还将比较因COPD急性加重住院的非嗜酸性粒细胞增多患者接受皮质类固醇治疗与安慰剂治疗的类似组之间的治疗失败率。研究组还将就疗效和安全性的其他方面进行比较:* 初始住院期间的恢复速度;* 皮质类固醇副作用/诱发的合并症;* 症状变化和急性加重发作;* 肺功能、氧疗使用和通气;* 患者轨迹和资源使用(如生存率、会诊、住院发作、药物);* 药物消耗(特别是与COPD管理、急性加重和诱发的合并症相关);* 健康状况、生活质量、活动/残疾;* 患者安全/总体不良事件。
将重新评估嗜酸性粒细胞增多阈值,以优化对皮质类固醇反应及COPD结局的预测。将深入探索皮质类固醇反应与关键生物标志物(如感染组)之间的关系,包括在嗜酸性粒细胞分层内。还将评估潜在的性别亚组差异。最后,为预视进一步的探索性研究,将与本协议相关联地建立生物样本库和影像库。生物样本库将用于探索与治疗反应、性别及患者轨迹相关的遗传基础和生理机制。影像库将作为一个平台,用于探索新开发的影像标志物,例如通过机器学习和相关技术开发的标志物。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




