经皮血管内主动脉弓修复试验(PEART)研究
PEART研究是一项前瞻性、多中心、单臂试验,计划入组24例患者,评估ZIPPER主动脉弓支架系统治疗主动脉弓疾病的安全性与有效性

基本信息
资源简介
经皮血管内主动脉弓修复试验(PEART)研究
PEART研究,全称为Percutaneous Endovascular Arch Repair Trial,是一项登记于clinicaltrials.gov的临床研究数据集,聚焦于主动脉疾病领域,具体归属于心血管系统疾病中的主动脉夹层方向。该研究针对的是ZIPPER主动脉弓支架系统,旨在通过前瞻性、多中心、单臂试验设计,评估该系统在治疗主动脉弓疾病患者中的安全性与有效性。研究计划入组24例患者,涵盖主动脉弓夹层、动脉瘤以及升主动脉外科手术后残余夹层等病变类型。作为一项探索性研究,PEART为主动脉弓疾病腔内修复治疗提供了临床数据支撑,其主题标签为Aortic Diseases,整体定位明确,属于心血管介入器械临床评价范畴。
【数据集背景】
主动脉弓疾病包括主动脉弓夹层、动脉瘤以及升主动脉外科术后残余夹层等,这类病变往往累及重要分支血管,传统开放手术创伤大、风险高。随着腔内修复技术的发展,经皮血管腔内主动脉弓修复逐渐成为研究热点。ZIPPER主动脉弓支架系统正是针对这一临床需求设计的医疗器械。PEART研究作为该系统的可行性研究,采用前瞻性、多中心、单臂试验设计,计划入组24例患者,目的在于初步验证该系统在治疗主动脉弓疾病中的安全性和有效性。该研究在clinicaltrials.gov注册,属于心血管系统疾病中主动脉夹层相关临床研究数据集。
【数据内容】
该数据集围绕PEART研究展开,核心内容涉及ZIPPER主动脉弓支架系统治疗主动脉弓疾病的安全性与有效性评价。研究覆盖的疾病类型包括主动脉弓夹层、动脉瘤以及升主动脉外科手术后的残余夹层。数据主题标签为Aortic Diseases。研究设计为前瞻性、多中心、单臂试验,计划入组总数为24例患者。源站描述中未提供具体采集的变量字段、结局指标、随访时间点等详细数据内容,源站未提供。
【采集与来源】
该数据集来源于clinicaltrials.gov,属于临床试验注册信息。研究类型为前瞻性、多中心、单臂试验,计划入组24例患者。源站描述中未提供具体的采集方式、采集时间、采集地点、数据采集工具以及数据管理流程等细节,源站未提供。
【适用场景】
该数据集适用于心血管系统疾病尤其是主动脉夹层及相关主动脉弓疾病领域的临床研究参考。具体可服务于医疗器械临床评价、主动脉弓腔内修复治疗的安全性与有效性分析、单臂试验设计方法学参考等场景。由于研究聚焦于ZIPPER主动脉弓支架系统,其数据可用于了解该器械在主动脉弓夹层、动脉瘤及升主动脉术后残余夹层患者中的应用情况。源站未提供关于数据具体适用场景的进一步说明。
【使用方法】
源站未提供该数据集的具体使用方法,包括数据获取方式、访问权限、分析工具、统计方法或操作指南等均未在源站描述中体现。
【质量与限制】
该研究为单臂试验设计,计划入组24例患者,样本量较小,且缺乏对照组,这些特征可能影响结论的推广性。源站描述中未提供关于数据质量、偏倚控制、数据完整性、随访率、缺失数据处理等具体信息,源站未提供。
【引用与许可】
源站未提供该数据集的引用格式、许可协议、使用条款或版权声明等信息。
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/NCT05872282
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:主动脉疾病。ZIPPER主动脉弓支架系统的可行性研究是一项前瞻性、多中心、单臂试验,共将纳入24名患者。本研究旨在评估ZIPPER主动脉弓支架系统治疗主动脉弓疾病患者的安全性和有效性,包括主动脉弓夹层、动脉瘤、升主动脉手术后残余夹层。
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。




