持续性心房颤动(AF)亚太(APAC)观察性研究

该数据集来自 clinicaltrials.gov,聚焦持续性心房颤动(Persistent AF)在亚太地区的临床观察研究

Abbott Medical DevicesAbbott Medical Devices
clinicaltrials
浏览 5
表格预测Persistent Atrial Fibrillation
Persistent Atrial Fibrillation (AF) APAC (Asia Pacific) Observational Study

基本信息

模态
表格
任务类型
预测
创建/更新时间
2026-10-09

资源简介

持续性心房颤动(AF)亚太(APAC)观察性研究

该数据集来自 clinicaltrials.gov,聚焦持续性心房颤动(Persistent AF)在亚太地区的临床观察研究。研究为前瞻性、单臂、非随机、观察性、上市后临床调查,计划在韩国、新加坡、香港、台湾和印度最多 15 个中心入组约 100 名受试者,受试者在初次消融手术后随访 15 个月。主要有效性和安全性终点评估至 15 个月,核心实验室通过 Holter 监测独立评估 6 个月和 15 个月随访时的 AF/心房扑动(AFL)/房性心动过速(AT)复发,所有严重不良事件(SAEs)由未参与试验的合格医师独立裁定。可用于心房颤动消融术后复发与安全性相关研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:持续性心房颤动。PerAF APAC 试验是一项前瞻性、单臂、非随机、观察性、上市后临床调查。计划在韩国、新加坡、香港、台湾和印度的最多 15 个中心入组约 100 名受试者。必要时可联系亚太地区其他国家的中心参与该临床调查。受试者将在初次消融手术后接受 15 个月的随访。主要有效性和安全性终点将评估至 15 个月。核心实验室将通过 6 个月和 15 个月随访时的 Holter 监测独立评估 AF/心房扑动(AFL)/房性心动过速(AT)复发。所有严重不良事件(SAEs)将由未参与试验的合格医师独立裁定。

【主题与分类】

主题标签:Persistent Atrial Fibrillation。本站分类:心血管系统疾病/心房颤动。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04244396

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/NCT04244396

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:持续性心房颤动。PerAF APAC试验是一项前瞻性、单臂、非随机、观察性、上市后临床研究。计划在韩国、新加坡、香港、台湾和印度最多15个中心入组约100名受试者。必要时,可联系亚太地区其他国家的中心参与该临床研究。受试者将在初次消融手术后接受15个月的随访。主要有效性和安全性终点将评估至15个月。核心实验室将通过6个月和15个月随访访视时的动态心电图监测,独立评估房颤/心房扑动(AFL)/房性心动过速(AT)的复发情况。所有严重不良事件(SAEs)将由未参与该试验的合格医师独立裁定。

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