探究可能导致慢性阻塞性肺病的遗传因素
该数据集来自 clinicaltrials.gov，聚焦慢性阻塞性肺病（COPD）的遗传因素研究。COPD 是肺部气道受损并部分阻塞、导致呼吸困难的疾病，在美国是第三大死因，主要表现为肺气肿和长期支气管炎
基本信息
资源简介
探究可能导致慢性阻塞性肺病的遗传因素
该数据集来自 clinicaltrials.gov，聚焦慢性阻塞性肺病（COPD）的遗传因素研究。COPD 是肺部气道受损并部分阻塞、导致呼吸困难的疾病，在美国是第三大死因，主要表现为肺气肿和长期支气管炎。吸烟是最常见风险因素，但仅 15% 至 20% 的吸烟者一生中会发展为 COPD，提示遗传因素与吸烟暴露共同影响发病。研究通过分析当前和既往吸烟者的 DNA，探索为何部分吸烟者患病而部分不患病，可用于 COPD 遗传易感性相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：疾病：肺疾病，慢性阻塞性，肺气肿，支气管炎，慢性。COPD 是一种肺部气道受损并部分阻塞、导致呼吸困难的疾病。美国有数百万人患有 COPD，它是美国第三大死因。症状包括咳嗽、痰液过多、气短、喘息和胸闷。肺气肿和长期支气管炎是该病最常见的两种表现。发生 COPD 最常见的风险因素是吸烟；然而，只有 15% 至 20% 的吸烟者一生中会发展为 COPD。目前尚不清楚为什么有些吸烟者会发展为 COPD 而有些不会，但某些遗传因素与香烟烟雾暴露相结合，可能增加发生 COPD 的可能性。本研究将分析当前和既往吸烟者的 DNA，以
【主题与分类】
主题标签：Pulmonary Disease, Chronic Obstructive、Emphysema、Bronchitis, Chronic。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/NCT00608764
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/NCT00608764
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、肺气肿、慢性支气管炎。COPD是一种肺部气道受损并部分阻塞，导致呼吸困难的疾病。美国有数百万人患有COPD，它是美国第三大死因。症状包括咳嗽、痰液过多、气短、喘息和胸闷。肺气肿和长期支气管炎是该病的两种最常见表现。发展成COPD的最常见风险因素是吸烟；然而，仅有15%至20%的吸烟者在其一生中会发展成COPD。目前尚不清楚为何有些吸烟者会发展成COPD而有些则不会，但某些遗传因素与接触香烟烟雾相结合，可能会增加发展成COPD的可能性。本研究将分析当前和既往吸烟者的DNA，以识别可能表明易患COPD的遗传因素和标记物。本研究将招募患有和未患有COPD的非裔美国人和白人吸烟者及既往吸烟者。
参与者将参加一次研究访视，期间需完成关于肺部症状、呼吸困难、病史与家族史及生活质量的问卷。他们还将接受血液采集、体格检查、肺功能检测以及一项测量耐力的步行测试。参与者将接受胸部高分辨率计算机断层扫描（CT）和病历审查。研究研究人员将每年最多联系参与者四次，持续15年，以收集随访医疗信息。将对所有可获取的受试者进行5年、10年和15年随访访视，包括与基线访视类似的研究方案。
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。
