肥胖:COVID-19重症中被低估的风险因素

该数据集来自 clinicaltrials.gov,聚焦 COVID-19 大流行与肥胖的关联,旨在识别肥胖 COVID-19 患者的流行病学特征及临床、影像与预后情况

Mohammed VI University HospitalMohammed VI University Hospital
clinicaltrials
浏览 6
医学影像预测COVID-19 PandemicObesityCOVID-19
Obesity: an Underappreciate Risk Factor for Severe Form of COVID-19

基本信息

模态
医学影像
任务类型
预测
创建/更新时间
2026-10-31

资源简介

肥胖:COVID-19重症中被低估的风险因素

该数据集来自 clinicaltrials.gov,聚焦 COVID-19 大流行与肥胖的关联,旨在识别肥胖 COVID-19 患者的流行病学特征及临床、影像与预后情况。研究为摩洛哥 Mohamed VI 大学医院麻醉与重症监护科开展的单中心回顾性描述性分析研究,纳入 2020 年 3 月至 2021 年 10 月所有检测阳性患者。数据可用于分析肥胖与重症呼吸窘迫综合征的关联,并支持重症风险预测相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:COVID-19 大流行、肥胖。引言:自 2019 年 12 月出现以来,COVID-19 大流行持续进展,在全球范围内造成相当大的死亡率和发病率。许多研究旨在确定感染者死亡率的预测因素。既往研究注意到肥胖似乎与严重形式的呼吸窘迫综合征相关。本研究的目标是确定患者的流行病学特征,以及肥胖 COVID-19 患者的临床、影像学和预后情况。方法:研究者开展了一项回顾性单中心、描述性和分析性研究,地点为摩洛哥 Mohamed VI 大学医院麻醉与重症监护科,时间从 2020 年 3 月至 2021 年 10 月,纳入所有检测阳性的患者。

【主题与分类】

主题标签:COVID-19 Pandemic、Obesity。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/NCT05771857

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT05771857

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

条件:COVID-19大流行、肥胖症。引言:自2019年12月出现以来,COVID-19大流行持续发展,在全球范围内造成相当大的死亡率和发病率。许多研究旨在确定感染者死亡率的预测因素。既往研究注意到肥胖似乎与重症呼吸窘迫综合征相关。本研究旨在确定患者的流行病学特征,以及肥胖COVID-19患者的临床、影像学和预后特征。方法:研究者开展了一项回顾性、单中心、描述性和分析性研究,地点为摩洛哥穆罕默德六世大学医院(Oujda)麻醉与重症监护科,时间范围为2020年3月至2021年10月,纳入所有检测呈阳性的患者。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。