Former Smokers 室内空气质量与呼吸系统症状研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)领域,研究对象为有呼吸系统症状的 former smokers

基本信息
资源简介
Former Smokers 室内空气质量与呼吸系统症状研究
该数据集来自 clinicaltrials.gov,聚焦慢性阻塞性肺疾病(COPD)领域,研究对象为有呼吸系统症状的 former smokers。研究假设为在空气污染高发期,卧室使用便携式高效室内空气过滤器能否改善呼吸系统症状,以 SGRQ-C 评分变化为主要结局,并评估医疗资源利用、其他症状评分、COPD 急性加重频率、用药、日均步数、炎症标志物、氧合、室内颗粒物计数及室内外颗粒物差值、肺功能检查等次要结局。数据可用于分析室内空气过滤干预对呼吸健康结局的预测性影响(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性阻塞性肺疾病。假设/研究问题:本研究将确定,与安慰剂相比,在空气污染严重时期, former smokers with respiratory symptoms(有呼吸道症状的戒烟者)卧室中放置便携式高效室内空气过滤器是否能改善呼吸道症状(基于圣乔治呼吸问卷-慢阻肺-SGRQ-C评分)。主要结局为研究期间使用便携式高效室内空气过滤器相关的SGRQ-C评分变化。次要结局将评估使用便携式高效室内空气过滤器对医疗资源利用、其他症状评分、慢阻肺急性加重频率、药物使用、每日步数中位数、炎症标志物、氧合、室内颗粒物计数及室内外颗粒物计数差、肺功能检查的影响。基线描述性统计将报告研究入组前的基线空气过滤器类型、使用时长及颗粒物重量。评估从基线到研究空气过滤器期间症状评分及其他次要结局的变化(第1次访视 vs. 第2次访视)。
【主题与分类】
主题标签:Chronic Obstructive Pulmonary Disease。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/NCT02956213
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/NCT02956213
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:慢性阻塞性肺疾病。假设/研究问题:本研究将确定,与安慰剂相比,在空气污染严重时期, former smokers with respiratory symptoms(有呼吸道症状的戒烟者)卧室中放置便携式高效室内空气过滤器是否能改善呼吸道症状(基于圣乔治呼吸问卷-慢阻肺-SGRQ-C评分)。主要结局为研究期间使用便携式高效室内空气过滤器相关的SGRQ-C评分变化。次要结局将评估使用便携式高效室内空气过滤器对医疗资源利用、其他症状评分、慢阻肺急性加重频率、药物使用、每日步数中位数、炎症标志物、氧合、室内颗粒物计数及室内外颗粒物计数差、肺功能检查的影响。基线描述性统计将报告研究入组前的基线空气过滤器类型、使用时长及颗粒物重量。评估从基线到研究空气过滤器期间症状评分及其他次要结局的变化(第1次访视 vs. 第2次访视)。
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。




