阿奇霉素在慢性阻塞性肺疾病（COPD）伴慢性咳痰患者中的效果
该数据集来自 clinicaltrials.gov，主题为阿奇霉素在慢性阻塞性肺疾病（COPD）伴慢性咳痰患者中的效果。研究为前瞻性双中心、双盲随机试验，纳入因 COPD 导致慢性咳嗽和咳痰、年龄大于 40 岁的门诊患者，随机接受 12 周、每周三次 250 mg 阿奇霉素或安慰剂治疗
基本信息
资源简介
阿奇霉素在慢性阻塞性肺疾病（COPD）伴慢性咳痰患者中的效果
该数据集来自 clinicaltrials.gov，主题为阿奇霉素在慢性阻塞性肺疾病（COPD）伴慢性咳痰患者中的效果。研究为前瞻性双中心、双盲随机试验，纳入因 COPD 导致慢性咳嗽和咳痰、年龄大于 40 岁的门诊患者，随机接受 12 周、每周三次 250 mg 阿奇霉素或安慰剂治疗。随机化前患者需填写 SF 36、SGRQ 及荷兰版 Leicester Cough Questionnaire（LCQ），用于评估基线生活质量和疾病特异性生活质量，LCQ 在开始及之后每 3 周进行直至 18 周，第二次 LCQ 在 2 周后填写。数据可用于呼吸系统疾病治疗与生活质量相关研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：咳嗽、慢性阻塞性肺疾病、慢性支气管炎。本研究是一项前瞻性双中心、双盲随机试验。年龄大于 40 岁、因 COPD 导致慢性咳嗽和咳痰而被转诊至我们门诊的患者，在获得知情同意后被招募。同意的患者将被随机分配接受为期 12 周、每周三次 250 mg 阿奇霉素或安慰剂治疗。在随机化之前，所有患者必须填写 SF 36、SGRQ 和荷兰版 Leicester Cough Questionnaire（LCQ），以评估基线生活质量和疾病特异性生活质量。LCQ 问卷将在开始时以及之后每 3 周进行一次，直至 18 周，但第二次 LCQ 将在 2 周后填写。该问卷的评分将用于计算 2 周重复性
【主题与分类】
主题标签：Cough、Chronic Obstructive Pulmonary Disease、Chronic Bronchitis。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/NCT01071161
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。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT01071161
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
条件：咳嗽、慢性阻塞性肺疾病、慢性支气管炎。本研究是一项前瞻性双中心、双盲随机试验。年龄大于40岁、因慢性阻塞性肺疾病导致慢性咳嗽和咳痰而被转诊至我们门诊的患者，在获得知情同意后将被招募。同意参与的患者将被随机分配接受为期12周的治疗，即每周三次250毫克阿奇霉素或安慰剂。在随机分组前，所有患者必须填写SF-36、SGRQ以及荷兰版莱斯特咳嗽问卷（LCQ），以评估基线生活质量和疾病特异性生活质量。LCQ问卷将在开始时及之后每3周进行一次，直至第18周，但第二次LCQ将在2周后填写。该问卷的评分将用于计算2周重测信度。SF-36和SGRQ将在研究开始时及12周后进行。整个治疗期间将记录不良事件。在第2周和第12周后进行总体变化评分。该问卷将用于验证LCQ在COPD患者中的效度。
随机化将采用计算机分配程序（BAMI计算机）进行。阿奇霉素和安慰剂将由梯瓦制药提供。安慰剂与阿奇霉素在外观和包装上完全一致。
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。
