结核患者支气管扩张症的患病率与疾病负担
该数据集来自 clinicaltrials.gov，聚焦肺结核（Pulmonary Tuberculoses）患者中支气管扩张症的患病率与疾病负担
基本信息
资源简介
结核患者支气管扩张症的患病率与疾病负担
该数据集围绕肺结核患者中支气管扩张症的患病率与疾病负担展开，来源于 clinicaltrials.gov，主题标签为 Pulmonary Tuberculoses，在分类上归属于呼吸系统疾病下的其他类别。支气管扩张症是一种慢性疾病，以支气管气道永久且不可逆的扩张为特征，并因反复感染和炎症导致黏液纤毛运输机制受损，进而引起病原体定植和黏液在支气管树中积聚。该数据集聚焦于肺结核（Pulmonary Tuberculoses）这一特定人群，旨在呈现该人群中支气管扩张症的患病情况及其所带来的疾病负担，为相关临床与流行病学研究提供数据参考。
【数据集背景】
支气管扩张症早在19世纪早期即由 Laennec 描述。它是一种慢性疾病，核心特征为支气管气道的永久性和不可逆性扩张，同时伴有黏液纤毛运输机制的损害。这种损害源于反复感染和炎症，最终导致病原体定植以及黏液在支气管树中积聚。从患病率来看，支气管扩张症与年龄相关，可发生于各个年龄组；在抗生素出现之前的时代，它最常始于儿童期。近期证据表明，支气管扩张症对女性和老年人的影响尤为突出，并将导致医疗保健负担的增加。国际数据显示，近年来支气管扩张症的患病率呈上升趋势。该数据集正是在这一背景下，将关注点放在肺结核患者群体，探讨其支气管扩张症的患病率与疾病负担。
【数据内容】
该数据集的主题标签为 Pulmonary Tuberculoses，聚焦肺结核患者中支气管扩张症的患病率与疾病负担。源站描述中提及的条件为 Pulmonary Tuberculoses，并围绕支气管扩张症的定义、机制、患病率特征及负担趋势进行了说明。关于数据集内具体包含哪些字段、变量、样本量、统计指标或测量方式，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述中列出了条件为 Pulmonary Tuberculoses，并提供了关于支气管扩张症的疾病特征与流行病学背景信息。关于具体的采集方法、采集时间、采集地点、纳入与排除标准或数据收集流程，源站未提供。
【适用场景】
基于该数据集的主题与来源，其适用于关注肺结核患者中支气管扩张症患病率与疾病负担的研究场景。源站描述中提及支气管扩张症患病率随年龄变化、在抗生素前时代常始于儿童期、近期证据显示对女性和老年人影响更突出，以及国际数据显示患病率近年上升，这些背景信息可为相关流行病学分析、临床负担评估或人群健康研究提供参考。关于该数据集在其他具体场景中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据获取方式、格式、访问权限、分析工具或操作步骤等。
【质量与限制】
源站未提供关于该数据集质量评估、数据完整性、准确性、偏倚控制或使用限制等方面的信息。
【引用与许可】
源站未提供该数据集的引用方式、许可条款或使用授权等相关信息。
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/NCT04085133
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：肺结核。支气管扩张症由Laennec在19世纪初描述。支气管扩张症是一种慢性疾病，其特征为支气管永久且不可逆的扩张，以及由于反复感染和炎症导致黏液纤毛运输机制受损，进而引起微生物定植和黏液在支气管树内积聚。支气管扩张症的患病率与年龄相关，在各个年龄组均可发生，在抗生素出现前的时代，它最常始于儿童期。近期证据表明，支气管扩张症对女性和老年人的影响尤为显著，并将导致医疗负担增加。[3] 国际数据显示，近年来支气管扩张症的患病率有所上升。
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。
