SAD研究——睡眠、焦虑与抑郁研究前瞻性队列研究
该数据集来自clinicaltrials.gov,为一项在Lyell McEwin医院和The Queen Elizabeth医院呼吸与睡眠门诊开展的多中心前瞻性队列研究,纳入伴有焦虑和抑郁的阻塞性睡眠呼吸暂停(OSA)及COPD患者

基本信息
资源简介
SAD研究——睡眠、焦虑与抑郁研究前瞻性队列研究
该数据集来自clinicaltrials.gov,为一项在Lyell McEwin医院和The Queen Elizabeth医院呼吸与睡眠门诊开展的多中心前瞻性队列研究,纳入伴有焦虑和抑郁的阻塞性睡眠呼吸暂停(OSA)及COPD患者。研究目的包括比较睡眠障碍患者、COPD患者与North West Adelaide普通人群的焦虑抑郁患病率,并研究CPAP对合并焦虑抑郁的睡眠呼吸暂停患者的影响。数据可用于分析焦虑抑郁在呼吸及睡眠障碍人群中的分布及相关预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:伴有焦虑和抑郁、并患有阻塞性睡眠呼吸暂停、COPD的患者。研究目的/目标 1. 比较睡眠障碍(OSA)患者、COPD患者与North West Adelaide普通人群中焦虑和抑郁的患病率。2. 研究CPAP对同时患有焦虑和抑郁的睡眠呼吸暂停患者的抑郁和焦虑的影响。研究设计/环境/地点/人群 这是一项多中心前瞻性队列研究,在Lyell McEwin医院(LMH)和The Queen Elizabeth医院(TQEH)开展,对象为在Lyell McEwin医院(LMH)和The Queen Elizabeth医院(TQEH)呼吸与睡眠门诊就诊的患者。这两个站点均为教学三级医院。研究结局 1. 主要结局 确定睡眠障碍患者中焦虑和抑郁的患病率,并比较其
【主题与分类】
主题标签:Obstructive Sleep Apnoea、COPD。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/NCT01985347
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/NCT01985347
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:患有焦虑和抑郁、阻塞性睡眠呼吸暂停、COPD的患者。研究目的/目标 1. 比较睡眠障碍(OSA)患者、COPD患者与North West Adelaide普通人群中焦虑和抑郁的患病率。2. 研究CPAP对同时患有焦虑和抑郁的睡眠呼吸暂停患者的抑郁和焦虑的影响。研究设计/环境/地点/人群 这是一项多中心前瞻性队列研究,在Lyell McEwin Hospital(LMH)和The Queen Elizabeth Hospital(TQEH)开展,研究对象为在Lyell McEwin Hospital(LMH)和The Queen Elizabeth Hospital(TQEH)呼吸与睡眠门诊就诊的患者。这两个站点均为教学三级医院。研究结局 1. 主要结局 确定睡眠障碍患者中焦虑和抑郁的患病率,并比较该患病率与COPD患者及普通人群患病率的差异。2. 次要结局 评估CPAP治疗是否在3个月和12个月时改善伴有焦虑和抑郁的OSA患者的焦虑和抑郁症状(HAD量表)。
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。




