oPEP在支气管扩张与COPD中的评估
该数据集来自clinicaltrials.gov,围绕振荡正压呼气(oPEP,Aerobika®)在支气管扩张和慢性阻塞性肺疾病(COPD)患者中的安全性与有效性评估

基本信息
资源简介
oPEP在支气管扩张与COPD中的评估
该数据集来自clinicaltrials.gov,围绕振荡正压呼气(oPEP,Aerobika®)在支气管扩张和慢性阻塞性肺疾病(COPD)患者中的安全性与有效性评估。研究关注伴慢性咳痰的稳定期患者,采用每日四次正压呼气操作、持续三周,考察气道廓清技术对排痰的作用。数据可用于呼吸系统疾病气道廓清干预相关研究,支持对oPEP疗法在稳定期支气管扩张与COPD人群中应用价值的分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性阻塞性肺疾病、支气管扩张。咳嗽和咳痰在支气管扩张和慢性阻塞性肺疾病(COPD)中常见,二者均与显著发病率和其他不良临床结局相关。气道廓清技术(ACTs),如振荡正压呼气(oPEP)(Aerobika®)所提供的,旨在将痰液从肺部排出,但其在稳定期疾病中的疗效证据尚不明确。本研究的目的是评估每日四次正压呼气操作、持续三周在伴有慢性咳痰的支气管扩张和COPD个体中的安全性和有效性。oPEP设备(Aerobika®)结合正压呼气治疗与气道振动,以帮助松动肺部分泌物。oPEP治疗在呼气时施加阻力,
【主题与分类】
主题标签:Chronic Obstructive Pulmonary Disease、Bronchiectasis。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/NCT02282202
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/NCT02282202
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、支气管扩张症。咳嗽和咳痰在支气管扩张症和慢性阻塞性肺疾病(COPD)中常见,二者均与显著的发病率及其他不良临床结局相关。气道廓清技术(ACTs),如振荡式呼气正压(oPEP)(Aerobika ®)所提供的,旨在从肺部清除痰液,然而其在疾病稳定期疗效的证据尚不明确。本研究旨在评估每日四次呼气正压操作持续三周在伴有慢性咳痰的支气管扩张症和COPD个体中的安全性和有效性。oPEP装置(Aerobika ®)结合了呼气正压疗法和气道振动,以帮助松动肺部分泌物。oPEP疗法在口部对呼气施加阻力,同时气道振动技术在呼气期间向上游传递运动,使气道壁得以摆脱黏液。可调节旋钮允许用户根据个人需求调整频率和气流阻力。
受试者将把设备带回家,在研究活跃期每日使用四次。我们假设每日使用oPEP三周、每日四次给药后,将显著改善呼吸困难、黏液移动、SGRQ评分和6MWD。这是一项随机交叉非盲研究,共30名受试者:10名支气管扩张患者和20名COPD患者(已确认伴有慢性支气管炎和慢性黏液分泌)。支气管扩张组中的5名受试者和COPD组中的10名受试者将首先开始使用oPEP并持续三周。所有受试者将在第2次访视时交叉,即在三周oPEP治疗或三周无治疗后。每名受试者将三次前往中心:基线、交叉访视和最终访视,每次约一小时,并将进行:1)肺量测定和体积描记法,2)6MWT,以及3)使用自填式SGRQ进行健康状况评估。
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。




