自我效能感预测OSAS患者CPAP依从性评估法国队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT05053581

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：阻塞性睡眠呼吸暂停。采用前瞻性设计，研究者旨在考察以下因素：治疗前人口学因素、睡眠临床因素（困倦主诉采用ESS问卷，失眠主诉采用ISI问卷）、患者对自我效能的感知（SEMSA问卷）以及鼻部呼吸主诉（NOSE问卷）。目的是研究自我效能是否为治疗第一个月及治疗开始后3个月和6个月时CPAP使用的最佳预测因素。人口学因素、睡眠及鼻部主诉的影响将被纳入考虑。该研究计划在睡眠门诊招募150例新诊断的阻塞性睡眠呼吸暂停综合征且具有CPAP治疗指征的患者。在CPAP治疗启动的咨询过程中，研究者将介绍该研究并给予知情通知。如果患者同意参与，研究者将在医疗档案中记录患者的无异议并确认纳入标准。随后患者将完成4份问卷（ISI、ESS、SEMSA、NOSE）。

在开始CPAP治疗之后，将在治疗开始后的1个月、3个月和6个月向患者发送相同的问卷。临床研究助理将致电患者，以确保问卷的完成，或在数据缺失或不完整的情况下进行跟进。本研究的结果将提供一个预测模型，能够在治疗前预测那些可能难以使用CPAP的患者，并作为开发最有效干预措施的基础，以提高OSAS患者对CPAP的依从性。

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。