COPD居家肺远程康复接受度相关因素
该数据集来自 clinicaltrials.gov,基于 TELEREHAPP 可行性研究(NCT05314686)筛查期间收集的数据,为单中心回顾性观察性队列研究

基本信息
资源简介
COPD居家肺远程康复接受度相关因素
该数据集来自 clinicaltrials.gov,基于 TELEREHAPP 可行性研究(NCT05314686)筛查期间收集的数据,为单中心回顾性观察性队列研究。源队列涵盖 2024 年 5 月至 2025 年 4 月在 ADIR Association 接受筛查、被认为可能符合 8 周居家肺远程康复项目条件的全部 COPD 患者。参与者按筛查时记录的决定分为接受或拒绝所提议的远程康复项目。数据提取自原始筛查文件、病历及肺康复转诊与评估信息,关注变量包括年龄、性别、体质指数、COPD 严重程度、合并症等。该数据可用于分析影响 COPD 患者接受居家肺远程康复的相关因素(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Chronic Obstructive Pulmonary Disease (COPD), Pulmonary Rehabilitation. ACCEPT-TELEREHAB 是一项单中心回顾性观察性队列研究,基于 TELEREHAPP 可行性研究(ClinicalTrials.gov 标识符 NCT05314686)筛查期间收集的数据。源队列涵盖 2024 年 5 月至 2025 年 4 月在 ADIR Association 接受筛查、被认为可能符合 8 周居家肺远程康复项目条件的全部 COPD 患者。参与者将根据筛查时记录的决定进行分类:接受或拒绝所提议的远程康复项目。数据将从原始筛查文件、病历以及肺康复转诊和评估可获得的信息中提取。关注的变量包括年龄、性别、体质指数、COPD 严重程度、合并症、
【主题与分类】
主题标签:Pulmonary Rehabilitation。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/NCT07747571
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/NCT07747571
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(COPD)、肺康复。ACCEPT-TELEREHAB是一项单中心回顾性观察性队列研究,基于TELEREHAPP可行性研究(ClinicalTrials.gov标识符NCT05314686)筛选期间收集的数据。源队列包括2024年5月至2025年4月期间在ADIR协会接受筛查并被认为可能符合为期8周的家庭肺远程康复项目条件的所有COPD患者。参与者将根据筛选时记录的决定进行分类:接受或拒绝所提议的远程康复项目。数据将从原始筛选文件、医疗记录以及肺康复转诊和评估中可获取的信息中提取。感兴趣的变量包括年龄、性别、体重指数、COPD严重程度、合并症、可获取的肺功能和运动试验数据、长期氧疗、呼吸困难、生活质量、心理状态、功能性运动能力、既往肺康复情况以及既往任何肺康复项目的设置。
当记录了拒绝参与的原因时,将回顾性地将其编码为描述性类别;单个参与者可能被分配多个类别。家庭到中心的距离和预计出行时间将使用标准化映射程序得出。筛查时可获得的居住地址将用于计算前往ADIR Association的最快汽车行程,设定标准到达时间为工作日周二上午9:00,且不在公共假日和学校假期。连续变量将酌情使用均值和标准差或中位数和四分位距进行汇总。接受组和拒绝组将使用独立样本t检验或Wilcoxon-Mann-Whitney检验比较连续变量,使用卡方检验或Fisher精确检验比较分类变量。差异将以95%置信区间报告。拒绝参与
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。




