中国急性主动脉夹层患者临床特征与结局

该数据集来自 clinicaltrials.gov,聚焦中国急性主动脉夹层患者的临床特征与结局。源站描述显示,1996年建立的国际急性主动脉夹层注册研究(IRAD)以白种人为主,难以反映中国患者情况;为此研究者建立了中国急性主动脉夹层多中心临床注册研究(CRAD),于2009年1月至2012年2月间

Xijing HospitalXijing Hospital
clinicaltrials
浏览 12
表格预测Aorta Thoracic Ascending DissectionDissection of Descending Aorta
Clinical Profiles and Outcomes of Acute Aortic Dissection in the Chinese Patients

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-08

资源简介

中国急性主动脉夹层患者临床特征与结局

该数据集来自 clinicaltrials.gov,聚焦中国急性主动脉夹层患者的临床特征与结局。源站描述显示,1996年建立的国际急性主动脉夹层注册研究(IRAD)以白种人为主,难以反映中国患者情况;为此研究者建立了中国急性主动脉夹层多中心临床注册研究(CRAD),于2009年1月至2012年2月间纳入约2000例患者。该数据可用于分析中国急性主动脉夹层患者的临床特征、管理方式及结局,为相关预测与比较研究提供基础(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):病症:升主动脉夹层、降主动脉夹层。1996年,国际急性主动脉夹层注册研究(IRAD)成立,旨在改善急性主动脉夹层的临床诊断和治疗。然而,IRAD中的大多数患者为白种人。这些数据不足以反映中国急性主动脉夹层患者的临床特征和结局。在中国,对于涉及大量患者的急性主动脉夹层的临床特征、管理和结局知之甚少。研究者建立了急性主动脉夹层临床多中心注册研究。2009年1月至2012年2月期间,约2000例患者被纳入中国急性主动脉夹层注册研究(CRAD)数据库。本研究旨在分析中国急性主动脉夹层患者的临床特征和结局。

【主题与分类】

主题标签:Aorta Thoracic Ascending Dissection、Dissection of Descending Aorta。本站分类:心血管系统疾病/主动脉夹层。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT01606943

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/NCT01606943

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

疾病情况:升主动脉夹层、降主动脉夹层。1996年,国际急性主动脉夹层注册研究(IRAD)成立,旨在改善急性主动脉夹层的临床诊断与治疗。然而,IRAD中的大多数患者为白种人。这些数据不足以反映中国急性主动脉夹层患者的临床特征和结局。在中国,对于涉及大量患者的急性主动脉夹层的临床特征、治疗及结局知之甚少。研究者建立了急性主动脉夹层临床多中心注册研究。2009年1月至2012年2月期间,中国急性主动脉夹层注册研究(CRAD)数据库纳入了约2000例患者。本研究旨在分析中国急性主动脉夹层患者的临床特征和结局。

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。

获取专属数据定制方案