囊性纤维化血管功能障碍与运动耐受机制
本数据集来自 clinicaltrials.gov,聚焦囊性纤维化(CF)患者的血管功能障碍与运动耐受机制。CF 是北美最常见的致死性遗传病,常因呼吸系统并发症导致早逝,除肺功能异常外还伴随系统性氧化应激和运动不耐受

基本信息
资源简介
囊性纤维化血管功能障碍与运动耐受机制
本数据集来自 clinicaltrials.gov,聚焦囊性纤维化(CF)患者的血管功能障碍与运动耐受机制。CF 是北美最常见的致死性遗传病,常因呼吸系统并发症导致早逝,除肺功能异常外还伴随系统性氧化应激和运动不耐受。研究已发现,即使血氧饱和度和肺功能正常的年轻 CF 患者也存在系统性内皮功能障碍。运动能力(VO2 peak)可独立于肺功能预测 CF 患者死亡风险。该数据可用于研究 CF 系统性并发症、运动耐受预测及血管内皮功能相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:囊性纤维化。囊性纤维化(CF)是北美最常见的致死性遗传病。CF 最令人担忧的方面是相关的过早死亡,通常由呼吸系统并发症导致。CF 的临床表现不仅包括肺功能障碍,还包括许多其他全身性后果。系统性氧化应激和运动不耐受是 CF 患者已确立的表型。此外,研究人员最近首次发表了一批年轻 CF 患者中存在系统性内皮功能障碍,这些患者表现出正常的血氧饱和度和肺量计功能。运动不耐受,即无法在预期水平进行运动的能力受限,已被证明可独立于肺功能预测 CF 患者的死亡率。运动能力(VO2 peak),一种客观测量指标,用于评估运动
【主题与分类】
主题标签:Cystic Fibrosis。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02690064
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/NCT02690064
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:囊性纤维化。囊性纤维化(CF)是北美最常见的致死性遗传病。CF最令人困扰的方面是相关的过早死亡,通常由呼吸系统并发症导致。CF的临床表现不仅包括肺功能障碍,还包括许多其他全身性后果。全身性氧化应激和运动不耐受是CF患者已确立的表型。此外,研究人员最近首次发表了一项研究结果,证实在一组氧饱和度和肺功能测定均正常的年轻CF患者中存在全身性内皮功能障碍。运动不耐受,即无法达到预期运动水平的能力受限,已被证明可预测CF患者的死亡率,且独立于肺功能。运动能力(峰值摄氧量,VO2 peak)是运动耐量的客观测量指标,在CF患者中每年下降约5-8%。运动能力的这种过度衰退不仅导致更多的肺部感染和肺功能恶化,而且与健康的久坐成年人相比,其下降幅度高达5-8倍。
防止运动能力的年度过度下降对于提高CF患者的生活质量和延长寿命至关重要。然而,改善CF患者运动能力的一个关键障碍是研究者对不同生理机制 contributing to 运动不耐受的认识不足。需要强调的是,肺功能(FEV1)的下降并不总是导致VO2峰值降低。此外,在FEV1大于预测值50%的患者中,不到2%的人在最大运动期间会出现血红蛋白氧饱和度(SpO2)的显著下降。这些数据表明,除肺功能诱导的低氧血症外,其他机制可能也在导致CF患者的运动不耐受。
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。




