非洲国家肺康复研究
该数据集来自 clinicaltrials.gov,聚焦非洲国家慢性呼吸系统疾病患者的肺康复。研究属于 EQUI-RESP-AFRICA 项目,由 University of Edinburgh 与非洲合作伙伴共同开展,关注 COPD、哮喘及肺结核后肺损伤等长期肺部疾病

基本信息
资源简介
非洲国家肺康复研究
该数据集来自 clinicaltrials.gov,聚焦非洲国家慢性呼吸系统疾病患者的肺康复。研究属于 EQUI-RESP-AFRICA 项目,由 University of Edinburgh 与非洲合作伙伴共同开展,关注 COPD、哮喘及肺结核后肺损伤等长期肺部疾病。这些疾病在 Nigeria、South Africa、Cameroon 等中低收入国家负担沉重且治疗可及性有限。数据可用于评估肺康复干预、分析呼吸系统疾病管理差距,并支持全球健康与呼吸疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:慢性呼吸系统疾病。研究概览:本研究是 EQUI-RESP-AFRICA 项目的一部分,该项目是由 University of Edinburgh 与非洲各地合作伙伴领导的全球健康研究计划。它专注于改善慢性呼吸系统疾病(CRDs)患者的护理——这些长期肺部疾病使呼吸困难,并可能严重限制日常生活。这些疾病包括慢性阻塞性肺疾病(COPD)、哮喘以及肺结核(TB)后的肺损伤。虽然这些疾病在高收入国家得到充分认识,但在中低收入国家(LMICs),包括 Nigeria、South Africa 和 Cameroon,它们尤其普遍——且往往更为复杂。尽管负担沉重,获得有效治疗的机会往往有限。本研究旨在通过评估肺康复来弥补这一差距
【主题与分类】
主题标签:Chronic Respiratory Conditions。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/NCT07602673
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/NCT07602673
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
病症:慢性呼吸系统疾病。研究概述 本研究是EQUI-RESP-AFRICA项目的一部分,该项目是由爱丁堡大学及非洲各地合作伙伴共同领导的全球健康研究计划。研究聚焦于改善慢性呼吸系统疾病(CRDs)患者的照护——这类长期肺部疾病会导致呼吸困难,并可能严重限制日常生活。这些疾病包括慢性阻塞性肺疾病(COPD)、哮喘以及结核病(TB)后遗留的肺损伤等。尽管这些疾病在高收入国家已得到充分认识,但在包括尼日利亚、南非和喀麦隆在内的低收入和中等收入国家(LMICs),它们尤为普遍,且往往更为复杂。尽管疾病负担沉重,但获得有效治疗的机会往往有限。本研究旨在通过评估肺康复(PR)来弥补这一缺口——肺康复是一种结构化的非药物治疗,帮助人们更好地呼吸、增加活动量并改善生活质量。什么是肺康复?
肺康复是一项综合性的方案,结合了:
- 监督下的运动训练(如步行、力量训练)
- 关于管理肺部疾病的教育
- 心理和情感支持
- 营养建议
- 自我管理技能培训
临床指南广泛推荐肺康复,并已证明其能够减轻呼吸困难、改善体能并提升整体健康水平。然而,大多数证据来自高收入环境,对于如何在资源较低的环境中最好地提供这些方案,人们知之甚少。
为什么需要这项研究?
尽管早期研究表明肺康复在中低收入国家可以发挥作用,但大多数研究规模较小且质量有限。仍有一些重要问题尚未得到解答:
- 肺康复能否在低资源环境中有效实施?
- 组织和提供这些方案的最佳方式是什么?
- 患者是否会参加并完成该方案?
- 以社区为基础的
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。




