COVID-19重症患者的肥胖与死亡率
该数据集来自clinicaltrials.gov，聚焦COVID、严重急性呼吸综合征与肥胖及共病共存状况。研究目标为按BMI分类报告ICU死亡率，并描述ICU详细临床病程，涵盖ICU死亡危险因素（年龄、性别、基线共病）、死亡原因、无创机械通气使用危险因素、非致命结局、无呼吸机天数及ICU住院时长
基本信息
资源简介
COVID-19重症患者的肥胖与死亡率
该数据集英文名为“Obesity and Mortality of Critically Ill Patients With COVID-19”，来源于clinicaltrials.gov，聚焦COVID、严重急性呼吸综合征、肥胖以及共病与共存状况等主题。其核心研究目标为按BMI分类报告重症患者的ICU死亡率，并描述ICU期间的详细临床病程。围绕这一目标，数据集关注ICU死亡的危险因素（包括年龄、性别和基线共病）、死亡原因、无创机械通气使用的危险因素、非致命结局、无呼吸机天数以及ICU住院时长等内容，为理解肥胖及共病状况对重症COVID-19患者ICU结局的影响提供了研究框架。
【数据集背景】
该数据集所属领域为呼吸系统疾病下的其他类别，来源站为clinicaltrials.gov。其研究背景涉及COVID、严重急性呼吸综合征、肥胖以及共病与共存状况。研究者关注重症COVID-19患者在ICU中的死亡风险与临床过程，并试图按BMI分类对ICU死亡率进行报告，同时刻画ICU临床病程的细节。这一背景将肥胖及共病状况置于重症呼吸系统疾病结局研究的核心位置。
【数据内容】
数据集所涵盖的内容围绕ICU结局与临床病程展开，具体包括：按BMI分类报告的ICU死亡率；ICU死亡的危险因素，涉及年龄、性别与基线共病；死亡原因；无创机械通气使用的危险因素；非致命结局；无呼吸机天数；以及ICU住院时长。主题标签包括COVID、严重急性呼吸综合征、肥胖、共病与共存状况。除上述内容外，源站未提供更细粒度的变量清单或数据字段说明。
【采集与来源】
该数据集来自clinicaltrials.gov，源站描述中列出的条件包括COVID、严重急性呼吸综合征、肥胖、共病与共存状况。源站未提供具体的采集时间范围、采集机构、样本量或数据采集流程等细节。
【适用场景】
基于其内容，该数据集适用于围绕重症COVID-19患者ICU结局的研究场景，例如按BMI分类分析ICU死亡率、探讨年龄与性别及基线共病等危险因素与ICU死亡的关系、分析死亡原因、研究无创机械通气使用的危险因素、评估非致命结局、统计无呼吸机天数以及分析ICU住院时长等。源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方法、访问方式或分析操作说明。
【质量与限制】
源站未提供关于数据质量、完整性、准确性或使用限制的说明。该数据集为观察性研究框架下的ICU结局与临床病程描述，相关结论的适用范围受源站描述所限，源站未提供进一步限制条件。
【引用与许可】
源站未提供引用格式或许可信息。
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/NCT04425213
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
研究条件：COVID、严重急性呼吸综合征、肥胖、合并症及共存疾病。研究者旨在按BMI分类报告患者的ICU死亡率，并描述详细的ICU临床病程：* ICU死亡危险因素：年龄、性别、基线合并症 * 死亡原因 * 无创机械通气使用危险因素 * 非致命性结局 * 无呼吸机天数 * ICU住院时长。
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。
