理解严重急性呼吸衰竭全球影响的大型观察性研究
该数据集来自 clinicaltrials.gov,聚焦急性严重呼吸衰竭与急性呼吸窘迫综合征(ARDS)。研究关注冬季急性低氧性呼吸衰竭的发生频率与疾病负担、需要通气支持的低氧性呼吸衰竭病因、基于柏林定义的 ARDS 发病率与死亡率及其随严重程度的变化、ARDS 自然史、治疗资源利用,以及肺复张操作

基本信息
资源简介
理解严重急性呼吸衰竭全球影响的大型观察性研究
该数据集来自 clinicaltrials.gov,聚焦急性严重呼吸衰竭与急性呼吸窘迫综合征(ARDS)。研究关注冬季急性低氧性呼吸衰竭的发生频率与疾病负担、需要通气支持的低氧性呼吸衰竭病因、基于柏林定义的 ARDS 发病率与死亡率及其随严重程度的变化、ARDS 自然史、治疗资源利用,以及肺复张操作、俯卧位、一氧化氮、高频振荡、ECMO、转诊和不同阶段无创通气等治疗使用情况。可用于呼吸衰竭与 ARDS 的流行病学、诊疗模式与预后研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:急性严重呼吸衰竭、急性呼吸窘迫综合征。总之,该研究将重点关注以下事项: 冬季急性低氧性呼吸衰竭的发生频率和疾病负担 需要通气支持的急性低氧性呼吸衰竭的病因 该患者队列中基于柏林定义的 ARDS 发病率 该队列中 ARDS 的死亡率,以及其如何随 ARDS 严重程度而变化 ARDS 的自然史(按严重程度的持续时间和演变) 治疗资源利用 根据疾病严重程度使用治疗,如肺复张操作、俯卧位、一氧化氮、高频振荡、ECMO、从较小区域医院转至三级医院 在 ARDS 患者管理中使用无创通气(在不同阶段使用:早期
【主题与分类】
主题标签:Acute Severe Respiratory Failure、Acute Respiratory Distress Syndrome。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02010073
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/NCT02010073
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:急性严重呼吸衰竭、急性呼吸窘迫综合征。总之,该研究将聚焦于以下项目:* 冬季急性低氧性呼吸衰竭的发生频率与疾病负担 * 需要通气支持的急性低氧性呼吸衰竭的病因 * 该患者队列中基于柏林定义的ARDS发病率 * 该队列中ARDS的死亡率,以及其如何随ARDS严重程度而变化 * ARDS的自然史(持续时间及按严重程度的演变) * 治疗资源利用情况 * 根据疾病严重程度使用治疗方法,如肺复张操作、俯卧位通气、一氧化氮、高频振荡、ECMO、从较小区域医院转至三级医院 * 无创通气在ARDS患者管理中的使用(在不同阶段的使用:早期ARDS与拔管后即刻)。这是一项前瞻性观察性研究,旨在收集大量ICU收治的大队列患者的充分数据集。ICU将被邀请自愿参与。
已加入现有数据库(如ERIC研究、ICON审计)的ICU将被邀请参与。参与ICU须通过书面协议承诺完全遵守研究方案,这一点至关重要。各国的ICU招募工作将由一名国家协调员牵头。每家ICU将被要求连续招募4个“冬季”周:1. 北半球——2014年2月1日至3月31日之间的4周期间。2. 南半球:2014年6月1日至8月31日之间的4周期间。每家参与ICU将配备2名数据收集员。每名数据收集员将接受一项在线培训项目,该项目旨在规范数据判读(尤其是胸部X线片),并在完成培训后获得登录授权。纳入标准:所有入住参与ICU并接受有创或无创通气的患者都将接受筛查并纳入数据库。EX
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。




