改善血管疾病结局——主动脉夹层

研究为前瞻性、实用性、随机临床试验,比较无并发症 B 型主动脉夹层初始治疗策略的比较效果。受试者为无既往主动脉干预史的 uTBAD 患者,在首次入院后 48 小时至 6 周内随机分配至两种初始策略之一

Duke UniversityDuke University
clinicaltrials
浏览 5
文本分类Type B Aortic Dissection
IMPRoving Outcomes in Vascular DisEase - Aortic Dissection

基本信息

模态
文本
任务类型
分类
创建/更新时间
2026-10-08

资源简介

改善血管疾病结局——主动脉夹层

该数据集来自 clinicaltrials.gov,聚焦心血管系统疾病中的主动脉夹层,具体为 Type B Aortic Dissection。研究为前瞻性、实用性、随机临床试验,比较无并发症 B 型主动脉夹层初始治疗策略的比较效果。受试者为无既往主动脉干预史的 uTBAD 患者,在首次入院后 48 小时至 6 周内随机分配至两种初始策略之一。随访通过集中呼叫中心、病历获取及远程血压监测进行。可用于评估不同初始治疗策略的比较效果(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:B 型主动脉夹层。该研究将是一项前瞻性、实用性、随机临床试验,旨在比较无并发症 B 型主动脉夹层(uTBAD)初始治疗策略的比较效果。无既往主动脉干预史的 uTBAD 患者将在首次入院后 48 小时至 6 周内被随机分配至两种初始策略之一。随访将通过集中呼叫中心、病历获取以及远程血压监测进行确认。将向入组中心提出关于药物治疗的建议,并反馈所提供医疗护理的质量,但是,除主动脉干预外,所有后续护理将由负责的临床护理团队自行决定。主动脉干预仅允许按照方案进行。

【主题与分类】

主题标签:Type B Aortic Dissection。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/NCT06087029

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/NCT06087029

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

条件:B型主动脉夹层。本研究将是一项前瞻性、实用性、随机临床试验,旨在比较非复杂性B型主动脉夹层(uTBAD)初始治疗策略的比较效果。既往无主动脉干预史的uTBAD患者将在指数入院后48小时至6周内随机分配至两种初始策略之一。随访将通过集中式呼叫中心和病历确认以及远程血压监测来进行。将向入组中心提出有关药物治疗的建议,并反馈所提供医疗护理的质量,但是,除主动脉干预外,所有后续护理将由负责的临床护理团队自行决定。主动脉干预仅允许按照方案进行。

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