Micra AV 无导线起搏器纵向覆盖与证据发展研究

该数据集来自 clinicaltrials.gov,聚焦 Medicare 受益人群中植入 Micra AV 无导线起搏器或双腔经静脉起搏器的患者,通过分析行政索赔数据开展纵向覆盖与证据发展研究

MedtronicMedtronic
clinicaltrials
浏览 11
其他预测Bradycardia
Longitudinal Coverage With Evidence Development Study on Micra AV Leadless Pacemakers (Micra AV CED)

基本信息

模态
其他
任务类型
预测
创建/更新时间
2026-10-10

资源简介

Micra AV 无导线起搏器纵向覆盖与证据发展研究

该数据集来自 clinicaltrials.gov,聚焦 Medicare 受益人群中植入 Micra AV 无导线起搏器或双腔经静脉起搏器的患者,通过分析行政索赔数据开展纵向覆盖与证据发展研究。研究包含两个主要目标:估计急性总体并发症发生率,以及植入 Micra AV 无导线起搏器患者的 2 年生存率;次要目标为将 Micra AV 无导线起搏器与双腔经静脉起搏器进行对比分析。数据可用于心血管系统疾病中心动过缓相关器械安全性、生存预后及比较效果研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:心动过缓。Micra AV CED 研究是一项针对植入 Micra AV 无导线起搏器或双腔经静脉起搏器的 Medicare 受益人群的研究,将通过分析行政索赔数据来执行。该研究包含两个主要目标:估计(1)急性总体并发症发生率,以及(2)植入 Micra AV 无导线起搏器患者的 2 年生存率。作为研究的次要目标之一,将开展 Micra AV 无导线起搏器与双腔经静脉起搏器的对比分析。分析将在 CMS 索赔数据中进行,并受中心 IRB 管辖。但是,个别医院不参与研究,因此无需当地 IRB 监督。

【主题与分类】

主题标签:Bradycardia。本站分类:心血管系统疾病/心动过缓。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04235491

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/NCT04235491

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:心动过缓。Micra AV CED研究是一项针对植入Micra AV无导线起搏器或双腔经静脉起搏器的Medicare受益人人群的研究,将通过分析行政索赔数据来实施。该研究包含两个主要目标:估算植入Micra AV无导线起搏器患者的(1)急性总体并发症发生率和(2)2年生存率。作为研究的次要目标之一,将对Micra AV无导线起搏器与双腔经静脉起搏器进行比较分析。该分析将基于CMS索赔数据,并需接受中心IRB的审查。然而,各医院不参与研究,因此无需当地IRB的监管。

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