全院ARDS发病率、临床特征与结局
该数据集来自clinicaltrials.gov,聚焦全院范围内急性呼吸窘迫综合征(ARDS)的发病率、临床特征与结局。研究采用多中心前瞻性队列设计,同时依据柏林定义与Kigali修正标准估算发病率,并比较肺部超声与胸部X线对双侧阴影的敏感性与特异性,以胸部CT为参考标准

基本信息
资源简介
全院ARDS发病率、临床特征与结局
该数据集来自clinicaltrials.gov,聚焦全院范围内急性呼吸窘迫综合征(ARDS)的发病率、临床特征与结局。研究采用多中心前瞻性队列设计,同时依据柏林定义与Kigali修正标准估算发病率,并比较肺部超声与胸部X线对双侧阴影的敏感性与特异性,以胸部CT为参考标准。数据覆盖ARDS、呼吸衰竭与肺部超声相关主题,可用于呼吸系统疾病的风险识别、影像模态比较及患者结局分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:ARDS、呼吸衰竭、肺部超声。我们假设,根据Kigali修正标准定义的全院ARDS发病率,在高资源环境(如波士顿和多伦多)与资源受限的卢旺达基加利环境相似。我们还假设,与胸部X线相比,以胸部断层扫描为参考标准时,肺部超声对双侧阴影是更敏感且特异性相似的成像方式。我们将在多中心前瞻性队列研究中检验这些假设,具体目标如下:目标1:A)估算根据柏林定义和Kigali修正标准定义的全院ARDS发病率,B)描述这些患者的临床特征和结局。目标2:对于有胸部CT的患者子集,确定敏感性和
【主题与分类】
主题标签:ARDS、Respiratory Failure、Lung Ultrasound。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT03546699
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/NCT03546699
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
条件:ARDS、呼吸衰竭、肺部超声。我们假设,根据基加利修改版定义的ARDS全院发病率,在高资源环境(如波士顿和多伦多)与资源受限的卢旺达基加利环境相似。我们还假设,与胸部X线相比,肺部超声在检测双侧阴影方面是一种更敏感且特异性相似的成像方式,以胸部断层扫描为参考标准。我们将在多中心前瞻性队列研究中检验这些假设,具体目标如下:目标1:A) 估算根据柏林定义和基加利修改版定义的ARDS全院发病率,B) 描述这些患者的临床特征和结局。目标2:对于接受胸部CT的亚组患者,确定12小时内进行的胸部X线和胸部超声检测双侧阴影的敏感性和特异性,并与参考标准CT扫描进行比较。作为研究的一部分,我们将进行一项初步研究,具体目标是评估多中心研究的可行性。
用于评估可行性的标准包括:1. 入院后最初7天内符合基加利或柏林ARDS标准的住院成年患者数量;2. 入院后最初7天内每日筛查发现的出现低氧血症的住院成年患者数量(低氧血症患者/新入院患者的百分比);3. 招募患者/合格患者的比例(合格标准见下文);4. 每位患者的工作量(肺部超声扫描时间;低氧血症第一天的平均数据收集时间);5. 在相同±1天内可获得胸部X线、CT扫描和肺部超声的患者比例。在两个为期一周的研究期间(冬季和夏季)中任一期间入院的所有成年人(≥18岁)将每日接受低氧血症筛查(定义为血氧饱和度<90%)或使用
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。




