初级保健中慢性阻塞性肺疾病（COPD）病程预测

数据集获取

源站：https://clinicaltrials.gov/study/NCT00706602

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

疾病：慢性阻塞性肺疾病（COPD）。背景：COPD是一种全身性疾病；该病导致的发病率和死亡率不断上升，并对患者生活产生重大影响。大多数COPD患者由全科医生（GP）管理。全科医生主要根据肺功能对患者疾病严重程度进行初步评估，然后告知患者适当的治疗方案。然而，肺功能与COPD特异性健康相关生活质量和急性加重频率的相关性较差。预防心脏病学成功采用了风险指数指导的治疗策略。需要能更好反映COPD临床表现的COPD疾病严重程度指数，以指导风险分层治疗。目标：（1）开发并验证一种实用的COPD疾病严重程度指数，以预测健康相关生活质量的随时间变化轨迹。（2）验证ADO指数（年龄、呼吸困难、气流阻塞）对基层医疗中COPD患者3年死亡率的预测能力。（3）将治疗效果的证据与COPD风险指数相关联，以指导COPD治疗选择。

方法：我们正在开展两项相关联的前瞻性队列研究，纳入来自瑞士和荷兰全科医生的413例COPD患者（GOLD 2-4期）。我们进行了完善的基线评估，包括详细的病史、肺功能、运动能力测量和血液采样。在至少五年的随访期间，我们通过记录健康状况、急性加重和健康相关生活质量来更新患者档案，并在2年后更新肺功能和运动能力测量。针对目标1，我们将使用多变量回归分析来确定预测健康相关生活质量随时间变化的最佳变量组合。针对目标2，我们将评估ADO指数预测3年死亡率的区分度和校准度。针对目标3，我们将使用复杂的统计模型来估计个体患者档案的治疗效果。

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。