使用自主氧滴定干预避免过度氧疗的策略
该数据集来自 clinicaltrials.gov,聚焦危重疾病、创伤与损伤等场景下的氧疗管理。研究关注在手术与内科患者中保障充分氧合的同时,避免过度给氧导致的高氧血症,以及减少补充氧气的使用

基本信息
资源简介
使用自主氧滴定干预避免过度氧疗的策略
该数据集来自 clinicaltrials.gov,聚焦危重疾病、创伤与损伤等场景下的氧疗管理。研究关注在手术与内科患者中保障充分氧合的同时,避免过度给氧导致的高氧血症,以及减少补充氧气的使用。研究基于既往 SAVE-O2 临床试验(创伤与烧伤),探索使用 PRO100 闭环自主氧系统实施目标正常氧血症策略的有效性,对军事与民用医疗场景均具有参考价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:危重疾病、创伤与损伤、疾病属性、病理过程。确保充分氧合是手术和内科患者治疗和预防低氧血症相关发病率的主要目标。然而,导致高氧血症的过度给氧很常见,造成补充氧气的非必要使用,而补充氧气在严苛环境中是特别有限的资源。在既往避免过度氧疗策略(SAVE-O2)临床试验1(创伤:NCT045349559;烧伤:NCT04534972)的基础上,研究者旨在确定有效策略,以实施目标正常氧血症方法,避免高氧血症和低氧血症并减少补充氧气使用,使用 PRO100 闭环/自主氧气系统。这项研究对于军事和民用医疗环境在确定……的有效性方面至关重要。
【主题与分类】
主题标签:Critical Illness、Wounds and Injury、Disease Attributes、Pathologic Processes。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06374225
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/NCT06374225
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:危重症、创伤与损伤、疾病属性、病理过程。确保充分的氧合是外科和内科患者治疗和预防低氧血症相关发病率的主要目标。然而,过度给氧导致高氧血症的情况很常见,造成补充氧气的非必要使用,而在资源匮乏的环境中,补充氧气是一种特别有限的资源。在先前避免过度氧疗策略(SAVE-O2)临床试验1(创伤:NCT045349559;烧伤:NCT04534972)的基础上,研究人员旨在确定实施目标正常氧血症方法的有效策略,以避免高氧血症和低氧血症,并使用PRO100闭环/自主氧气系统减少补充氧气的使用。这项研究对于军事和民用医疗环境都至关重要,可确定自主氧气系统的有效性,以用于1)减少与低氧血症和高氧血症相关的危害,以及2)减少氧气的过度使用。
目标:研究者提出以下两项研究目标:确定自主氧滴定系统在改善正常氧合及减少接受补充氧疗的急性损伤和危重患者低氧血症和高氧血症方面的有效性。研究者将比较随机分配至自主氧滴定组与手动氧滴定组的患者在正常氧合(SpO2 90-96%)、低氧血症(SpO2 <88%)和高氧血症(SpO2 >96%)状态下所花费的患者小时数。确定自主氧滴定系统对补充氧疗总体使用情况的影响。研究者将比较在72小时干预期间随机分配至自主氧滴定组与手动氧滴定组的患者所接受的补充氧疗总体积。假设:研究者假设,在非机械通气患者中,使用自主氧滴定系统在维持正常氧合及减少低氧血症/高氧血症持续时间方面将比标准手动滴定更有效,并将减少总体氧疗使用
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。




