亚临床瓣膜血栓形成的相关生物学因素

该数据集来自 clinicaltrials.gov,聚焦主动脉瓣狭窄患者,研究 TAVI 术后亚临床瓣膜血栓形成的相关生物学因素

Hospital San Carlos, MadridHospital San Carlos, Madrid
clinicaltrials
浏览 9
其他预测Aortic Stenosis
Biological Factors Associated With Subclinical Valvular Thrombosis

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-08

资源简介

亚临床瓣膜血栓形成的相关生物学因素

该数据集来自 clinicaltrials.gov,聚焦主动脉瓣狭窄患者,研究 TAVI 术后亚临床瓣膜血栓形成的相关生物学因素。数据涉及血小板反应性(PLT VASP/P2Y12 试剂盒检测)、血小板聚集变异性、CD14+ 与 CD16+ 炎症反应、von Willebrand 因子水平及多聚体分布等指标,覆盖基线、术后 1 天、3 个月、6 个月及 1 年随访。可用于探索 TAVI 术后人工瓣膜血栓的预测标志物与机制(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:主动脉瓣狭窄。就本研究而言,将使用商业化试剂盒 PLT VASP/P2Y12 在基线、术后 1 天和 3 个月测量血小板反应性。次要目标包括:-确定在术前基线、术后 1 天以及 3-6 个月和 1 年随访时测量的血小板聚集的变异性。 确定通过 TAVI 后观察到的 CD14+ 和 CD16+ 定量所测量的促血栓炎症反应是否与人工瓣膜血栓形成相关。 评估 von Willebrand 因子水平和 von Willebrand 多聚体分布与人工瓣膜血栓形成在术前基线、术后 1 天以及 3、6 个月随访和 1 年时的相关性。* 确定接受 TAVI 的患者中残余血小板反应性比率是否与

【主题与分类】

主题标签:Aortic Stenosis。本站分类:心血管系统疾病/主动脉瓣狭窄。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03847948

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/NCT03847948

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:主动脉瓣狭窄。就本研究而言,将在基线、术后1天和术后3个月使用商用试剂盒PLT VASP/P2Y12测量血小板反应性。次要目标包括:-确定在术前基线、术后1天以及3-6个月和1年随访时测量的血小板聚集变异性。* 确定TAVI术后观察到的通过CD14+和CD16+定量测量的促血栓炎症反应是否与人工瓣膜血栓形成相关。* 评估血管性血友病因子水平和血管性血友病因子多聚体分布与人工瓣膜血栓形成的相关性,在术前基线、术后1天以及3个月、6个月随访和1年时。* 确定接受TAVI的患者中残余血小板反应性比率是否与临床事件的发生相关,在术前基线、术后1天以及3个月、6个月随访和1年时。* 评估与早期人工瓣膜血栓形成相关的临床因素。

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