囊性纤维化患者主被动吸烟与电子烟流行率研究
该数据集源自 clinicaltrials.gov，聚焦囊性纤维化患者中主动吸烟、被动吸烟及电子烟使用的流行率研究。源站描述指出，囊性纤维化患者不吸烟的刻板印象根深蒂固，导致法国几乎缺乏该脆弱人群的吸烟流行率数据
基本信息
资源简介
囊性纤维化患者主被动吸烟与电子烟流行率研究
该数据集英文名为 Study of the Prevalence of Active/Passive Smoking and Vaping Among Patients With Cystic Fibrosis，来源于 clinicaltrials.gov，主题聚焦囊性纤维化（Cystic Fibrosis）。其核心目的是研究囊性纤维化患者中主动吸烟、被动吸烟以及电子烟使用的流行情况。源站描述指出，在集体潜意识中，囊性纤维化患者被认为不吸烟，这种观念根深蒂固，导致法国几乎缺乏针对这一脆弱人群的吸烟流行率数据。随着患者群体经历全面转变，包括生活质量与预期寿命改善、住院减少、呼吸道症状减轻、社会融入更好，评估当前状况以优化烟草预防变得尤为紧迫。同时，国际上已出现客观研究吸烟、电子烟与 Kaftrio 疗效之间相互作用的趋势，进一步凸显了该研究的必要性。
【数据集背景】
该数据集所对应的研究关注囊性纤维化患者中的烟草使用问题。源站描述强调，囊性纤维化患者不吸烟的刻板印象在集体潜意识中根深蒂固，这种信念导致法国几乎没有关于该脆弱人群吸烟流行率的数据。然而，这一患者群体正在经历全面转变：生活质量提高、预期寿命延长、住院次数减少、呼吸道症状减轻、社会融合改善。这些变化使得重新评估该人群的主动吸烟、被动吸烟和电子烟使用情况变得紧迫。此外，国际上已有研究开始客观审视吸烟、电子烟与 Kaftrio 疗效之间的相互作用，这也为开展本项流行率研究提供了背景支持。
【数据内容】
该数据集涉及的主题标签为 Cystic Fibrosis。源站描述中明确提及的研究条件为 Cystic Fibrosis。研究内容围绕囊性纤维化患者中主动吸烟、被动吸烟及电子烟使用的流行率展开。源站未提供关于具体变量、样本量、数据字段、测量指标或数据结构等进一步的数据内容细节。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述提及研究关注法国数据缺乏的问题，并指出国际上已有研究客观检查吸烟、电子烟与 Kaftrio 疗效之间的相互作用。源站未提供关于采集方法、采集时间、采集地点、样本招募方式或数据收集流程的具体信息。
【适用场景】
基于源站描述，该数据集适用于了解囊性纤维化患者中主动吸烟、被动吸烟及电子烟使用的流行率研究背景，也可用于关注烟草预防优化、患者群体转变以及吸烟与 Kaftrio 疗效相互作用等议题的场景。源站未提供关于具体应用场景、分析用途或目标用户的进一步说明。
【使用方法】
源站未提供。
【质量与限制】
源站描述指出，法国几乎缺乏该脆弱人群的吸烟流行率数据，且关于囊性纤维化患者不吸烟的信念根深蒂固。这提示相关数据可能存在空白或不足。源站未提供关于该数据集本身的质量评估、局限性说明、偏差控制或验证信息。
【引用与许可】
源站未提供。
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/NCT07342920
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。在集体潜意识中，囊性纤维化患者不吸烟。这一观念根深蒂固，以至于几乎没有关于这一脆弱人群中吸烟流行率的法国数据。面对一个正在经历彻底转变的患者群体（生活质量与预期寿命提高、住院次数减少、呼吸道症状减轻、社会融入度提升），当前亟需评估现状，以优化烟草预防工作。鉴于国际上已有研究客观探讨吸烟、电子烟与Kaftrio疗效之间的相互作用，这一点显得尤为重要。
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。
