病毒感染如何影响慢性肺病患者
该数据集来自 clinicaltrials.gov,聚焦病毒感染对慢性肺病患者的影响,覆盖成人支气管扩张、伴急性加重的支气管扩张、COPD 以及呼吸道感染病毒

基本信息
资源简介
病毒感染如何影响慢性肺病患者
该数据集来自 clinicaltrials.gov,聚焦病毒感染对慢性肺病患者的影响,覆盖成人支气管扩张、伴急性加重的支气管扩张、COPD 以及呼吸道感染病毒。慢性肺病患者常出现以呼吸困难、咳痰增多等为表现的急性加重,而病毒感染对哮喘加重的作用已被认识,但其对 COPD、支气管扩张等其他慢性呼吸系统疾病的影响尚缺乏同等深度的理解。COVID-19 疫情期间隔离措施使慢性呼吸系统疾病患者的急性加重明显减少,提示病毒与急性加重之间可能存在因果联系。该数据可用于研究病毒感染与慢性肺病急性加重之间的关系并支持预测分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:成人支气管扩张、伴急性加重的支气管扩张、COPD(慢性阻塞性肺疾病)、呼吸道感染病毒。慢性肺病患者的特征是急性加重(症状加重如呼吸困难、咳痰增多等发作),已被证明是疾病严重程度的重要驱动因素。病毒感染是公认的哮喘急性加重原因,但对于病毒感染对其他慢性呼吸系统疾病(如慢性阻塞性肺疾病(COPD)和支气管扩张)影响的同等详细理解尚缺乏。在 COVID-19 疫情期间,当对慢性呼吸系统疾病患者实施隔离措施时,急性加重发作大幅减少,提示病毒与急性加重之间存在因果联系。此类信息至关重要 i
【主题与分类】
主题标签:Bronchiectasis Adult、Bronchiectasis With Acute Exacerbation、Respiratory Infection Virus。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/NCT06625944
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/NCT06625944
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:成人支气管扩张、伴急性加重的支气管扩张、慢性阻塞性肺疾病(COPD)、呼吸道病毒感染。慢性肺病患者的特征之一是病情急性加重(即呼吸困难、痰量增多等症状加剧的发作),这些发作已被证实是疾病严重程度的重要驱动因素。病毒感染是哮喘急性加重公认的诱因,但对于病毒感染对其他慢性呼吸系统疾病(如慢性阻塞性肺疾病(COPD)和支气管扩张)的影响,尚缺乏同等深入的认识。在COVID-19疫情期间,当对慢性呼吸系统疾病患者采取隔离措施时,急性加重发作显著减少,提示病毒与急性加重之间存在因果联系。在抗生素耐药问题日益令人担忧的当下,此类信息至关重要,并可能改变临床实践,转向对呼吸系统疾病急性加重早期使用抗病毒药物。
迄今为止,关于慢性肺病的前瞻性监测研究主要为横断面研究,且集中于住院患者,这些患者往往就诊较晚,病毒检测灵敏度降低,且对基线疾病状态缺乏了解。我们的研究将建立密切监测的前瞻性患者队列,以评估其基线和急性加重早期的病毒及免疫状态,从而更好地理解呼吸道病毒在慢性肺病中的作用。具体而言,这一独特的研究设计将使我们能够以前所未有的细节和深度研究以下重要领域:(i) 早期识别和诊断临床恶化/急性加重,以全面理解病毒在慢性肺病急性加重中所起的作用。(ii) 全面捕获慢性肺病患者经历的所有临床恶化/急性加重事件,包括轻微的、通常未被报告的发作。(iii) 评估免疫和微生物学动态变化,以
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。




