中国河南COPD-PTB筛查试验
该数据集来自clinicaltrials.gov，为一项在中国河南省基层医疗环境中开展的阶梯楔形整群随机对照试验，旨在评估主动病例发现（ACF）策略在COPD患者中检测肺结核（PTB）的有效性，同时评估该人群中COPD-PTB共病的流行病学状况以及ACF策略在真实世界基层医疗环境中的可行性
基本信息
资源简介
中国河南COPD-PTB筛查试验
该数据集来自clinicaltrials.gov，为一项在中国河南省基层医疗环境中开展的阶梯楔形整群随机对照试验，旨在评估主动病例发现（ACF）策略在COPD患者中检测肺结核（PTB）的有效性，同时评估该人群中COPD-PTB共病的流行病学状况以及ACF策略在真实世界基层医疗环境中的可行性。干预组在第1、2、3年接受ACF策略，对照组在第1、2年接受常规随访，第3年转为接受ACF干预，所有集群最终均接受ACF干预。数据可用于研究COPD患者中肺结核的筛查策略与共病流行病学（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：Conditions: Chronic Obstructive Pulmonary Disease (COPD), TB - Tuberculosis. 本试验的目标是评估主动病例发现（ACF）策略在中国河南省基层医疗环境中检测慢性阻塞性肺疾病（COPD）患者中肺结核（PTB）的有效性。它还将评估该人群中COPD-PTB共病的流行病学状况，并评估ACF策略在真实世界基层医疗环境中的可行性。这是一项阶梯楔形整群随机对照试验。具体而言，干预组将在第1年、第2年和第3年接受ACF策略，而对照组将在第1年和第2年接受常规随访护理，并将在第3年转为接受ACF干预。所有集群最终都将接受ACF干预。它旨在回答的主要问题
【主题与分类】
主题标签：TB - Tuberculosis。本站分类：呼吸系统疾病/肺结核。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT07706972
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/NCT07706972
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：慢性阻塞性肺疾病（COPD）、结核病。本试验旨在评估在中国河南省基层医疗机构中，对慢性阻塞性肺疾病（COPD）患者采用主动病例发现（ACF）策略检测肺结核（PTB）的有效性。该试验还将评估该人群中COPD-PTB共病的流行病学状况，并评价ACF策略在真实世界基层医疗环境中的可行性。这是一项阶梯楔形整群随机对照试验。具体而言，干预组将在第1年、第2年和第3年接受ACF策略，而对照组将在第1年和第2年接受常规随访护理，并于第3年转为接受ACF干预。所有集群最终都将接受ACF干预。该试验旨在回答的主要问题是：与常规被动病例发现相比，ACF策略是否能降低COPD患者中PTB的患病率？河南省基层医疗机构中COPD-PTB共病的当前患病率和流行病学特征是什么？
参与者将：在干预阶段的常规COPD随访就诊中接受ACF筛查。继续按照其医疗保健提供者的处方进行常规COPD护理。如果通过ACF筛查被诊断为PTB，参与者将按照国家标准化结核病治疗方案被转诊至指定医院接受治疗。
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。
