重度OSA研究 (SOS)
该数据集来自 clinicaltrials.gov,主题为重度阻塞性睡眠呼吸暂停(OSA)研究(SOS)。研究为前瞻性、多中心、单臂、开放标签设计,评估 ProSomnus EVO Sleep and Snore Device 在重度 OSA 患者中的安全性和有效性

基本信息
资源简介
重度OSA研究 (SOS)
该数据集来自 clinicaltrials.gov,主题为重度阻塞性睡眠呼吸暂停(OSA)研究(SOS)。研究为前瞻性、多中心、单臂、开放标签设计,评估 ProSomnus EVO Sleep and Snore Device 在重度 OSA 患者中的安全性和有效性。受试者佩戴定制设备后,通过 Type II 家庭睡眠呼吸暂停测试(HSAT)在预设时间点检测是否达到 AHI < 15 h-1,并在治疗开始六个月后完成最终 HSAT,以确定治疗成功率。数据可用于评估口腔矫治器治疗重度 OSA 的疗效预测与相关分析(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Obstructive Sleep Apnea, Sleep Apnea. 本研究是一项前瞻性、多中心、单臂、开放标签研究,评估 ProSomnus EVO Sleep and Snore Device 治疗重度阻塞性睡眠呼吸暂停(OSA)患者的安全性和有效性。研究参与者将接受定制的 ProSomnus EVO Sleep and Snore 设备,然后使用 Type II 家庭睡眠呼吸暂停测试(HSAT)进行测试,以确定他们在佩戴设备时是否达到呼吸暂停低通气指数(AHI)< 15 h-1。家庭睡眠呼吸暂停测试将在预定时间点进行,而不是基于症状缓解等主观指标。在完成设定的设备推进和测试方案后,研究参与者将在治疗开始六个月后完成最终 HSAT。该值将用于确定矫治器的治疗成功率。安全性评估
【主题与分类】
主题标签:Obstructive Sleep Apnea、Sleep Apnea。本站分类:口腔疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05445869
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/NCT05445869
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:阻塞性睡眠呼吸暂停、睡眠呼吸暂停。本研究是一项前瞻性、多中心、单臂、开放标签研究,旨在评估ProSomnus EVO睡眠与打鼾设备治疗重度阻塞性睡眠呼吸暂停(OSA)患者的安全性和有效性。研究参与者将接受定制的ProSomnus EVO睡眠与打鼾设备,然后使用II型家庭睡眠呼吸暂停检测(HSAT)进行测试,以确定在佩戴该设备的情况下是否达到呼吸暂停-低通气指数(AHI)< 15 h-1。家庭睡眠呼吸暂停检测将在预定的时间点进行,而不是基于症状缓解等主观指标。在完成设定的设备推进和测试方案后,研究参与者将在治疗开始六个月后完成最终HSAT。该数值将用于确定该矫治器的治疗成功率。安全性评估将在治疗开始后的每次研究访视时进行。这些评估,连同牙科检查和不良事件报告,将用于确定是否达到安全性终点。
在收集主要终点的数据后,参与者将继续接受额外六个月的随访。
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。




