主动脉覆膜支架治疗远端主动脉夹层的长期获益
该数据集来自 clinicaltrials.gov，聚焦主动脉覆膜支架在远端主动脉夹层患者中的长期获益，属于心血管系统疾病中的主动脉夹层主题
基本信息
资源简介
主动脉覆膜支架治疗远端主动脉夹层的长期获益
该数据集英文名为 Long-term Benefit of Aortic Stent-graft in Patients With Distal Aortic Dissection，来源于 clinicaltrials.gov，归类于心血管系统疾病下的主动脉夹层主题。其核心关注点是主动脉覆膜支架在远端主动脉夹层患者中的长期临床获益，涉及主动脉夹层、主动脉瘤与覆膜支架等关键词。数据集围绕一项临床研究展开，旨在评估在急性期后不久对远端主动脉夹层且存在夹层主动脉瘤样改变高风险的患者，于降主动脉植入覆膜支架后的长期临床效果。整体而言，该数据集为心血管领域研究者、临床医生及相关人员了解该特定临床问题的研究设计与背景提供了入口。
【数据集背景】
主动脉覆膜支架被认为有助于封堵内膜撕裂口，并防止主动脉夹层患者假腔进一步扩张。然而，对于非复杂性远端主动脉夹层患者，尤其是存在动脉瘤样改变和死亡高风险的患者，覆膜支架的长期获益尚未得到充分证实。基于这一背景，该研究设立的目的在于评估在急性期后不久，对远端主动脉夹层且夹层主动脉存在高动脉瘤样改变风险的患者，在降主动脉植入覆膜支架后的长期临床获益。数据集所对应的条件包括主动脉夹层、主动脉瘤以及覆膜支架。
【数据内容】
该数据集的主题标签为主动脉夹层、主动脉瘤与覆膜支架。其内容围绕上述临床研究展开，涉及的研究对象为远端主动脉夹层患者，特别是具有动脉瘤样改变高风险的人群。研究关注的干预方式为在急性期后不久于降主动脉植入覆膜支架，评估的终点指向长期临床获益。除这些由源站描述所体现的信息外，数据集具体包含哪些字段、变量、随访指标或结果数据，源站未提供。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述显示其对应一项临床研究，研究条件涵盖主动脉夹层、主动脉瘤与覆膜支架，研究背景与目的已如前述。关于数据的具体采集方式、采集时间范围、样本量、随访时长、数据录入流程以及质量控制手段，源站未提供。
【适用场景】
该数据集适用于关注心血管系统疾病中主动脉夹层主题的研究人员、临床医生及相关专业人员，可用于了解主动脉覆膜支架在远端主动脉夹层患者中长期获益这一临床问题的研究背景与目的。其主题标签有助于在主动脉夹层、主动脉瘤与覆膜支架等方向上进行分类检索与参考。关于该数据集在系统评价、荟萃分析、临床决策支持或教学等具体场景中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括访问方式、数据下载格式、字段说明、分析工具或操作步骤等。
【质量与限制】
源站未提供关于该数据集质量与限制的说明，包括数据完整性、准确性、偏倚风险、样本代表性或随访完整性等信息。
【引用与许可】
源站未提供该数据集的引用方式与许可条款信息。
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/NCT01354119
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
疾病：主动脉夹层、主动脉瘤、覆膜支架。背景：主动脉覆膜支架可用于封闭内膜撕裂并防止主动脉夹层患者假腔进一步扩张。主动脉覆膜支架对非复杂性远端主动脉夹层患者的长期获益尚未得到充分证实，尤其是在动脉瘤样改变和死亡高风险患者中。目的：本研究旨在评估在远端主动脉夹层且夹层主动脉发生动脉瘤样改变高风险的患者中，于急性期后即刻在降主动脉置入覆膜支架的长期临床获益。
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。
